Clinical learnings from a virtual primary care program monitoring mild to moderate COVID-19 patients at home
Notice bibliographique
Résumé
BACKGROUND: Virtual consults have replaced in-person visits for many home-isolated patients with COVID-19 disease. OBJECTIVES: To describe the natural history, clinical management and outcomes of community-dwelling patients with COVID-19, who received support from a family medicine-led, virtual CovidCare@Home program in Toronto, Ontario, Canada. METHODS: Observational, descriptive study conducted by retrospective chart review of 98 patients enrolled during the first 5 weeks of program implementation (8 April-11 May 2020); 73 patients with laboratory-confirmed COVID-19, with symptom onset ≤ 14 days before initial consult were included for analysis. Patients were classified as mild, moderate or severe based on WHO Criteria. RESULTS: All patients in the program experienced mild (88%) or moderate (12.3%) disease. No patients were hospitalized or died. Patients were mainly female (70%); with mean age of 43.3 years. Most patients (82.2%) worked in higher risk, healthcare settings. Almost 40% had no medical co-morbidities. Common symptoms were cough (65.8%), fatigue (60.3%), headache (42.5%) and myalgia (39.7%), followed by fever (32.9%), sore throat (21.9%), nasal congestion (21.9%) and rhinorrhea (20.5%). Headache (51%) and anosmia (45.1%) were common among females; fever and breathlessness among males (40.9%). Nine patients (12.3%) experienced worsening of symptoms (mainly respiratory) or exacerbation of co-morbidities, which required care outside the virtual service. CONCLUSION: Patients with mild to moderate COVID-19 disease can be managed safely and effectively in a family medicine-led virtual program. Some sex differences in symptoms were observed. Future work should focus on long-term follow up in view of the existence of so-called 'long-haulers'.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».