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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».