The boundaries between survival and nonsurvival at COVID‐19: Experience of tertiary care pandemic hospital
Notice bibliographique
Résumé
OBJECTIVE: Coronavirus disease 2019 (COVID-19) is an emerging, fast-spreading, highly mortal and worldwide infectious disease. The pulmonary system was defined as the main target of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), but the mortality concept of this disease presented with more severe and systemic disease. The present study investigated the relationship between the patient characteristics at the initial hospital administration and fatality in COVID-19 patients. METHODS: In this retrospective and comparative cohort study, all the 767 hospitalised COVID-19 patients, treated between 18 March and 15 May 2020 in the Covid Clinics of Gulhane Training and Research Hospital in Ankara, Turkey, were evaluated. RESULTS: The fatality rate was significantly increased in patients with any comorbid disease except asthma. The initial laboratory test results indicated highly significant differences according to the patient's outcome. A multifactor logistic regression analysis was performed to calculate the adjusted odds ratios for predicting patient outcomes. Being older than 60 years increased the death risk with an adjusted OR of 7.2 (95% CI: 2.23-23.51; P = .001). The presence of a cancer and the extended duration of intensive care unit treatment were other significant risk factors for nonsurvival. Azithromycin treatment was determined as significantly reduced the death ratio in these patients (P = .002). CONCLUSION: It was revealed that being older than 60 years, presence of a cancer and extended duration of ICU treatment were the major risk factors for predicting fatality rate in hospitalised COVID-19 patients.
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 | 0,004 | 0,498 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».