The COVID‐19 Worsening Score (COWS)—a predictive bedside tool for critical illness
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
OBJECTIVES: To evaluate the accuracy of a new COVID-19 prognostic score based on lung ultrasound (LUS) and previously validated variables in predicting critical illness. METHODS: We conducted a single-center retrospective cohort development and internal validation study of the COVID-19 Worsening Score (COWS), based on a combination of the previously validated COVID-GRAM score (GRAM) variables and LUS. Adult COVID-19 patients admitted to the emergency department (ED) were enrolled. Ten variables previously identified by GRAM, days from symptom onset, LUS findings, and peripheral oxygen saturation/fraction of inspired oxygen (P/F) ratio were analyzed. LUS score as a single predictor was assessed. We evaluated GRAM model's performance, the impact of adding LUS, and then developed a new model based on the most predictive variables. RESULTS: Among 274 COVID-19 patients enrolled, 174 developed critical illness. The GRAM score identified 51 patients at high risk of developing critical illness and 132 at low risk. LUS score over 15 (range 0 to 36) was associated with a higher risk ratio of critical illness (RR, 2.05; 95% confidence interval [CI], 1.52-2.77; area under the curve [AUC], 0.63; 95% CI 0.676-0.634). The newly developed COVID-19 Worsening Score relies on five variables to classify high- and low-risk patients with an overall accuracy of 80% and negative predictive value of 93% (95% CI, 87%-98%). Patients scoring more than 0.183 on COWS showed a RR of developing critical illness of 8.07 (95% CI, 4.97-11.1). CONCLUSIONS: COWS accurately identify patients who are unlikely to need intensive care unit (ICU) admission, preserving resources for the remaining high-risk patients.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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