Diagnostic Yield of Screening for SARS-CoV-2 among Patients Admitted for Alternate Diagnoses
Notice bibliographique
Résumé
Abstract Objectives To determine the diagnostic yield of screening patients for SARS-CoV-2 who were admitted with a diagnosis unrelated to COVID-19, and identify risk factors for positive tests. Design Cohort from the Canadian COVID-19 Emergency Department Rapid Response Network (CCEDRRN) registry Setting 30 acute care hospitals across Canada Participants Patients hospitalized for non-COVID-19 related diagnoses who were tested for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) between March 1, and December 29, 2020 Main outcome Positive nucleic acid amplification test (NAAT) for SARS-CoV-2 Outcome measure Diagnostic yield Results We enrolled 15,690 consecutive eligible adults who were admitted to hospital without clinically suspected COVID-19. Among these patients, 122 tested positive for COVID-19, resulting in a diagnostic yield of 0.8% (95% CI 0.64% – 0.92%). Factors associated with a positive test included presence of a fever, being a healthcare worker, having a positive household contact or institutional exposure, and living in an area with higher 7-day average incident COVID-19 cases. Conclusions Universal screening of hospitalized patients for COVID-19 across two pandemic waves had a low diagnostic yield and should be informed by individual-level risk assessment in addition to regional COVID-19 prevalence. Trial registration NCT04702945 SUMMARY BOXES Section 1: Universal screening of admitted patients for SARS-CoV-2 was implemented in many hospitals at the beginning of the pandemic. The Infections Diseases Society of America (IDSA) recommended avoiding universal screening of asymptomatic hospitalized patients in areas and times of low-COVID prevalence (defined as <2% prevalence) with very low certainty of evidence, based on studies of COVID-19 prevalence among asymptomatic individuals in the community. Section 2: This study supports IDSA recommendations to avoid universal screening for COVID-19 in times and areas of low COVID prevalence and identifies patient-level risk factors strongly associated with positive testing that should be considered for screening.
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 | 0,001 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».