COVID-19 and Sudden Unexpected Community Deaths in Lusaka, Zambia, Africa - A Medico-Legal Whole-Body Autopsy Case Series
Notice bibliographique
Résumé
BACKGROUND: Data from Africa regarding sudden and unexpected COVID-19 community deaths and underlying pathological, demographic, and co-morbidity features require definition. METHODS: We performed a case series of COVID-19-related deaths seen at Forensic Post-Mortem examination of sudden and unexpected Community Deaths in Lusaka, Zambia, Africa. Whole-body Post-Mortem examinations were performed according to Standard Operating Procedures. Patient demographics, history, co-morbidities, pathological gross and microscopic findings, and cause(s) of death were recorded. Variables were grouped as frequencies and percentages. Comparison of data was made with autopsy findings of hospital COVID-19 deaths. FINDINGS: Of 21 COVID-19 decedents, 14/21 (66.7%) were male; 18/21, (85.7%) were below 55 years of age (mean age, 40 ± 12.3; range, 20-73). The median duration of symptoms was 1 day (range 0-2); 9/21 (42.9%) had co-morbidities, with hypertension and obesity being the most common. Main post-mortem findings were diffuse alveolar damage (DAD) (80.9%), saddle and shower emboli (38.1%, respectively), and pneumonia (14.3%). Pulmonary thromboembolism (76.2%), DAD (14.3%), and SARS-CoV-2 pneumonia (9.5%) were common causes of death. CONCLUSIONS: COVID-19 is an important cause of death to consider in forensic investigations of sudden and unexpected community deaths. Risk factors for the younger age of COVID-19 deaths and thromboembolism need to be identified.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».