COVID-19 pandemic in Yemen: A questionnaire based survey, what do we know?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,007 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle