Epidemiological and Clinical Characteristics, and Virologic Features of COVID-19 Patients in Kazakhstan: a Nation-Wide, Retrospective, Cohort Study
Notice bibliographique
Résumé
ABSTRACT Background The earliest coronavirus disease-2019 (COVID-19) cases in Central Asia were announced in March 2020 by Kazakhstan. Despite the implementation of aggressive measures to curb infection spread, gaps remain in the understanding of the clinical and epidemiologic features of the regional pandemic. Methods We did a retrospective, observational cohort study of patients with laboratory-confirmed COVID-19 in Kazakhstan between February and April 2020. We compared demographic, clinical, laboratory and radiological data of patients with different COVID-19 severities on admission. Univariable and multivariable logistic regression was used to assess factors associated with disease severity and death. Whole-genome SARS-CoV-2 analysis was performed in 53 patients without a recent history of international travel. Findings Of the 1072 patients with laboratory-confirmed COVID-19 in March-April 2020, the median age was 36 years (IQR 24–50) and 484 (45%) were male. On admission, 683 (64%) participants had mild, 341 (32%) moderate, and 47 (4%) severe-to-critical COVID-19 manifestation; 20 deaths (1.87%) were reported at study exit. Multivariable regression indicated increasing odds of severe disease associated with older age (odds ratio 1.05, 95% CI 1.03-1.07, per year increase; p<0.001), the presence of comorbidities (2.13, 95% CI 1.07-4.23; p<0.031) and elevated white blood cell count (WBC, 1.14, 95% CI 1.01-1.28; p<0.032) on admission, while older age (1.09, 95% CI 1.06-1.12, per year increase; p<0.001) and male sex (5.97, 95% CI 1.95-18.32; p<0.002) were associated with increased odds of death. The Kazakhstan SARS-CoV-2 isolates grouped into seven distinct lineages O/B.4.1, S/A.2, S/B.1.1, G/B.1, GH/B.1.255, GH/B.1.3 and GR/B.1.1.10. Interpretation Older age, comorbidities, increased WBC count, and male sex were risk factors for COVID-19 disease severity and mortality in Kazakhstan. The broad SARS-CoV-2 diversity suggests multiple importations and community-level amplification, likely predating the declaration of state emergency. Continuous epidemiologic and genomic surveillance may be critical for a better understanding of the regional COVID-19 dynamics.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».