The differential demographic pattern of coronavirus disease 2019 fatality outside Hubei and from six hospitals in Hubei, China: a descriptive analysis
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease 2019 (COVID-19) epidemic has been largely controlled in China, to the point where case fatality rate (CFR) data can be comprehensively evaluated. METHODS: Data on confirmed patients, with a final outcome reported as of 29 March 2020, were obtained from official websites and other internet sources. The hospitalized CFR (HCFR) was estimated, epidemiological features described, and risk factors for a fatal outcome identified. RESULTS: The overall HCFR in China was estimated to be 4.6% (95% CI 4.5-4.8%, P < 0.001). It increased with age and was higher in males than females. Although the highest HCFR observed was in male patients ≥70 years old, the relative risks for death outcome by sex varied across age groups, and the greatest HCFR risk ratio for males vs. females was shown in the age group of 50-60 years, higher than age groups of 60-70 and ≥ 70 years. Differential age/sex HCFR patterns across geographical regions were found: the age effect on HCFR was greater in other provinces outside Hubei than in Wuhan. An effect of longer interval from symptom onset to admission was only observed outside Hubei, not in Wuhan. By performing multivariate analysis and survival analysis, the higher HCFR was associated with older age (both P < 0.001), and male sex (both P < 0.001). Only in regions outside Hubei, longer interval from symptom onset to admission, were associated with higher HCFR. CONCLUSIONS: This up-to-date and comprehensive picture of COVID-19 HCFR and its drivers will help healthcare givers target limited medical resources to patients with high risk of fatality.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».