Notice bibliographique
Résumé
Diabetes is highly linked to the severity of coronavirus disease 2019 (COVID-19). My recent meta-analysis also suggested a higher prevalence of diabetes in severe COVID-19 as compared with non-severe COVID-19. Recent observational studies have shown that hyperglycemia was significantly associated with severity of COVID-19 in both diabetic and non-diabetic patients. To prevent worse outcome of COVID-19, more tight glucose control is required. I studied the association between hyperglycemia and worse outcome of COVID-19, the putative beneficial and harmful effects, and clinical outcomes of oral hypoglycemic drugs and insulin use in glycemic control among COVID-19 patients, by searching literatures. Although there were some negative studies, the meta-analysis reported that the treatment using metformin was associated with reduction in mortality due to COVID-19. One study showed that treatment with sitagliptin, one of dipeptidyl peptidase-4 (DPP4) inhibitors, during hospitalization was associated with reduction of mortality, with a clinical improvement as compared with patients on the standard care. There were no clinical studies showed effects of glucagon-like peptide-1 receptor agonists, pioglitazone and sulfonylurea on COVID-19 outcomes. Regarding sodium-glucose cotransporter 2 (SGLT2) inhibitors, a case of euglycemic diabetic ketoacidosis (DKA) associated with COVID-19 and a case of DKA that was difficult to distinguish from COVID-19 were reported. COVID-19 patients who need hospital care may deteriorate rapidly, an early and appropriate initiation of insulin therapy in hyperglycemic COVID-19 patients may be to be encouraged. J Endocrinol Metab. 2021;11(1):1-7 doi: https://doi.org/10.14740/jem718
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».