Neuroimaging Findings of Hospitalized Covid-19 Patients: A Canadian Retrospective Observational Study
Notice bibliographique
Résumé
Purpose: Coronavirus disease (COVID-19) has been associated with neurologic sequelae and neuroimaging abnormalities in several case series previously. In this study, the neuroimaging findings and clinical course of adult patients admitted with COVID-19 to a tertiary care hospital network in Canada were characterized. Methods: This is a retrospective observational study conducted at a tertiary hospital network in Ontario, Canada. All adult patients with PCR-confirmed COVID-19 admitted from February 1, 2020 to July 22, 2020 who received neuroimaging related to their COVID-19 admission were included. CT and MR images were reviewed and categorized by fellowship-trained neuroradiologists. Demographic and clinical data were collected and correlated with imaging findings. Results: We identified 422 patients admitted with COVID-19 during the study period. 103 (24.4%) met the inclusion criteria and were included: 30 ICU patients (29.1%) and 73 non-ICU patients (70.9%). A total of 198 neuroimaging studies were performed: 177 CTs and 21 MRIs. 17 out of 103 imaged patients (16.8%) had acute abnormalities on neuroimaging: 10 had macrohemorrhages (58.8%), 9 had acute ischemia (52.9%), 4 had SWI abnormalities (23.5%), and 1 had asymmetric sulcal effacement suggesting possible focal encephalitis (5.8%). ICU patients were more likely to have positive neuroimaging findings, more specifically acute ischemia and macrohemorrhages ( P < 0.05). Macrohemorrhages were associated with increased mortality ( P < 0.05). Conclusion: Macrohemorrhages, acute ischemia and SWI abnormalities were the main neuroimaging abnormalities in our cohort of hospitalized COVID-19 patients. Acute ischemia and hemorrhage were associated with worse clinical status.
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 | 0,002 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».