Worldwide Early Impact of COVID-19 on Dialysis Patients and Staff and Lessons Learned: A DOPPS Roundtable Discussion
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 worst global pandemic of the past century, coronavirus disease 2019 (COVID-19) has had a disproportionate effect on maintenance dialysis patients and their health care providers. At a virtual roundtable on June 12, 2020, Dialysis Outcomes and Practice Patterns Study (DOPPS) investigators from 15 countries in Asia, Europe, and the Americas described and compared the effects of COVID-19 on dialysis care, with recent updates added. Most striking is the huge difference in risk to dialysis patients and staff across the world. Per-population cases and deaths among dialysis patients vary more than 100-fold across participating countries, mirroring burden in the general population. International data indicate that the case-fatality ratio remains at 10% to 30% among dialysis patients, confirming the gravity of infection, and that cases are much more common among in-center than home dialysis patients. This latter finding merits urgent study because in-center patients often have greater community exposure, and in-center transmission may be uncommon under optimal protocols. Greater telemedicine use is a welcome change here to stay, and our community needs to improve emergency planning and protect dialysis staff from the next pandemic. Finally, the pandemic's challenges have prompted widespread partnering and innovation in kidney care and research that must be sustained after this global health crisis.
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 | 0,000 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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