COVID-19 pandemic in Yemen: A questionnaire based survey, what do we know?
Notice bibliographique
Résumé
INTRODUCTION: Coronavirus infectious disease 2019 (COVID-19) is currently one of the most important public health crises affecting the global human population. It continues to spread widely, as the world still lacks specific treatments and a vaccine for the virus. The scenario of COVID-19 in Yemen seems obscure due to the lack of adequate data, therefore, we developed an electronic questionnaire and distributed it online among Yemeni people. The aim of this study was to understand the COVID-19 epidemiological situation in Yemen better since there is currently limited published data and limited availability of COVID-19 testing. METHODOLOGY: A 34-question web-based survey was distributed on social media outlets targeting people in Yemen. Data aggregation, analysis, and visualization were performed using Tableau and Microsoft Excel. RESULTS: 2,341 individuals reported symptoms concerning for COVID-19 infection, with 25.4% reporting a chronic medical condition. Diabetes, hypertension, asthma, and immune deficiency were associated with increased severity of the disease, while obesity, cardiovascular disease, kidney disease, and liver disease were not. Only 37 individuals (1.6%) had a confirmatory COVID-19 PCR test. The presence of high fever, dyspnea, chest pain, and dysphagia were symptoms that tended to be correlated to worse clinical outcomes. CONCLUSIONS: This study provides some important information about the early overspread of COVID-19 within the Yemeni community in May, June, and July of 2020. It shows that online questionnaires may help in collecting data about pandemics in resource-limited countries where testing availability is limited.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».