Impact of COVID-19 Pandemic on the Outcomes in Patients With Critical Limb Threatening Ischaemia and Diabetic Foot Infection
Notice bibliographique
Résumé
OBJECTIVE: Examine the impact of COVID-19 pandemic on the outcomes in patients with CLTI or DFI. BACKGROUND: Patients with CLTI and/or DFI are at risk of amputations if not treated in a timely manner. METHODS: We compared the outcomes in patients with CLTI or DFI during 2 periods; Period 1[P1] (15/03/2019-31/05/2019) and period 2[P2] (15/03/ 2020-31/05/2020- corresponding to COVID-19 pandemic). RESULTS: One hundred thirty-nine patients were treated in P1 [mean age 70 years (±11), Male:Female = 102:37] whereas 95 patients were treated in P2 [mean age 67 (±12), Male:Female = 64:31]. The 2 cohorts were matched regarding Rutherford category (P = 0.25) and GLASS classification (P = 0.38). Notably, the time from onset of symptom to clinical presentation was significantly longer [31 (1-105) days vs 27 (0-78) days, (P = 0.017)], whereas the time from presentation to first intervention was significantly shorter [3 (0-61) days vs 5 (0-65) days, (P = 0.013)] in P2 compared to P1. There was a significantly higher white cell count (P = 0.014) and CRP (P = 0.004) on admission in P2. Having treatment for CLTI or DFI in P2 was an independent predictor of worse primary patency rate and freedom from major adverse limb events. At 90 days, amputation-free survival and limb salvage were noticeably worse in P2 compared to P1 (amputation-free survival was 80% and 87% whereas limb salvage was 64% and 72% in P2 and P1, respectively). CONCLUSIONS: Patients with CLTI and DFI experienced a significantly delayed presentation with features of sepsis on admission in P2. Treatment in P2 was a predictor of worse primary patency and freedom from major adverse limb events and therefore close and long follow-up is advisable.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».