Longitudinal remotely mentored self-performed lung ultrasound surveillance of paucisymptomatic Covid-19 patients at risk of disease progression
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
COVID-19 has impacted human life globally and threatens to overwhelm health-care resources. Infection rates are rapidly rising almost everywhere, and new approaches are required to both prevent transmission, but to also monitor and rescue infected and at-risk patients from severe complications. Point-of-care lung ultrasound has received intense attention as a cost-effective technology that can aid early diagnosis, triage, and longitudinal follow-up of lung health. Detecting pleural abnormalities in previously healthy lungs reveal the beginning of lung inflammation eventually requiring mechanical ventilation with sensitivities superior to chest radiographs or oxygen saturation monitoring. Using a paradigm first developed for space-medicine known as Remotely Telementored Self-Performed Ultrasound (RTSPUS), motivated patients with portable smartphone support ultrasound probes can be guided completely remotely by a remote lung imaging expert to longitudinally follow the health of their own lungs. Ultrasound probes can be couriered or even delivered by drone and can be easily sterilized or dedicated to one or a commonly exposed cohort of individuals. Using medical outreach supported by remote vital signs monitoring and lung ultrasound health surveillance would allow clinicians to follow and virtually lay hands upon many at-risk paucisymptomatic patients. Our initial experiences with such patients are presented, and we believe present a paradigm for an evolution in rich home-monitoring of the many patients expected to become infected and who threaten to overwhelm resources if they must all be assessed in person by at-risk care providers.
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 | 0,002 | 0,016 |
| 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 | 0,001 | 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) | 0,001 | 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