Lung Ultrasound and Sonographic Subpleural Consolidation in COVID-19 Pneumonia Correlate with Disease Severity
Notice bibliographique
Résumé
Introduction. One of the ultrasonic features of COVID-19 pneumonia is the presence of subpleural consolidation (SPC), and the number of SPCs varies among patients with COVID-19 pneumonia. Aim. To examine the relationship between disease severity and the number of SPCs on admission. Methodology. This observational, prospective, single‐center study included patients with suspected COVID-19 infection who had been transferred to the ICU. A specialized intensivist in critical care ultrasound performed lung ultrasound (LUS) and echocardiography within 12 hours of a patient’s admission to the ICU. The aeration score was calculated, and the total number of SPCs was quantified in 12 zones of the LUS. Results. Of 109 patients with suspected COVID-19 pneumonia, 77 (71%) were confirmed. The median patient age was 53 (82–36) years, and 81 of the patients (73.7%) were men. The aeration score and the counts of subpleural consolidation in each zone were significantly higher in patients with COVID-19 pneumonia ( <a:math xmlns:a="http://www.w3.org/1998/Math/MathML" id="M1"> <a:mi>P</a:mi> <a:mo>=</a:mo> <a:mn>0.018</a:mn> </a:math> and <c:math xmlns:c="http://www.w3.org/1998/Math/MathML" id="M2"> <c:mi>P</c:mi> <c:mo><</c:mo> <c:mn>0.0001</c:mn> </c:math> , respectively). There was an inverse relationship between PO2/FiO2, the aeration score, and the number of subpleural consolidations. The higher the number of SPCs, the worse the PO2/FiO2 will be. Conclusions. Sonographic SPC counts correlate well with the severity of COVID-19 pneumonia and PO2/FiO2. The number of SPCs should be considered when using LUS to assess disease severity.
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 | 0,062 |
| 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 | 0,001 |
| 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 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 ».