[ID 54423] FATORES PROGNÓSTICOS DE MORTALIDADE POR COVID-19 NO RIO GRANDE DO NORTE, BRASIL
Notice bibliographique
Résumé
Objetivo: Avaliar a associação das comorbidades e dos sintomas com os óbitos entre os casos confirmados de Covid-19 no Estado do Rio Grande do Norte, Brasil. Metodologia: Trata-se de um estudo transversal, onde foram selecionados 44.098 casos confirmados, oficialmente divulgados, dos quais 1.615 foram óbitos, cujas variáveis preditoras foram: idoso, branco, diabetes, doenças cardíacas, respiratórias e renais, imunossupressão, tosse, febre, dor de garganta, e dispneia. Modelos regressivos clássicos e bayesiano de Poisson foram usados para ajuste das razões de taxa de incidência de mortalidade. Resultados: As mortes corresponderam a 3,7% dos casos confirmados de Covid-19. Os idosos com Covid-19 tiveram 10 (ICr95%: 8,25-12,74) vezes mais chances de óbito que a sua contraparte. O excedente de mortes foi 34% (ICr95%: 1,12-1,60) maior entre os homens, contudo, a raça/cor branca foi fator de proteção (RTI: 0,63; ICr95%: 0,50-0,79). As comorbidades, como o diabetes (RTI: 2,13), as doenças cardíacas (RTI: 2,03), as respiratórias (RTI: 1,90) e as imunossupressoras (RTI: 2,89), além de sintomas como a tosse (RTI: 1,39) e a dispneia (RTI: 1,52) foram fatores prognósticos associados à mortalidade por Covid-19. Conclusão: Os idosos apresentaram excedente de mortalidade por Covid-19 no Estado do Rio Grande do Norte, como também os homens e as pessoas que apresentaram comorbidades como o diabetes, as doenças cardíacas, as doenças respiratórias e as imunossupressoras, além de sintomas como a tosse e a dispneia, estiveram associados à maior mortalidade.
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 | 0,005 | 0,270 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».