Rhinocerebral Mucormycosis and COVID-19 Pneumonia
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
As the coronavirus disease 2019 (COVID-19) pandemic is evolving, more complications associated with COVID-19 are emerging. In this case report, we present a case of rhinocerebral mucormycosis concurrent with COVID-19 pneumonia in a 41-year-old man with a history of type 1 diabetes mellitus (T1DM). COVID-19 pneumonia was diagnosed with reverse transcription-polymerase chain reaction (RT-PCR). He was promptly treated with steroids and hydroxychloroquine, as this was the recommended regional COVID-19 practice patterns at the time. He was treated with intravenous (IV) fluids and an insulin drip for his diabetic ketoacidosis (DKA), cefepime and IV abelcet, along with three surgical debridements for the rhinocerebral mucormycosis. The pneumonia resolved during the course of his stay in the hospital. With prompt diagnosis and treatment of rhinocerebral mucormycosis, the patient was cleared for discharge and was instructed to complete his course of treatment with coumadin and IV abelcet at home. Saprophytic fungi cause rhinocerebral mucormycosis, a rare opportunistic infection of the sinuses, nasal passages, oral cavity and brain. It usually occurs in patients with poorly controlled diabetes mellitus or those who are immunocompromised, which is again demonstrated in this case report. In the setting of COVID-19 pneumonia and an underlying condition, healthcare professionals should act promptly. In cases where mucormycosis infection is suspected, a prompt diagnosis and treatment should be started because of the angioinvasive character and rapid disease progression that contribute to the severity of the mucormycosis infection.
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 | 0,001 | 0,013 |
| 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) | 0,002 | 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 découle