Recognition of Long-COVID-19 Patients in a Canadian Tertiary Hospital Setting: A Retrospective Analysis of Their Clinical and Laboratory Characteristics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A proportion of patients with COVID-19 have symptoms past the acute disease phase, which may affect quality of life. It is important for clinicians to be aware of this "long-COVID-19" syndrome to better diagnose, treat, and prevent it. We reviewed clinical and laboratory characteristics of a COVID-19 cohort in a Toronto, Ontario tertiary care center. Demographic, clinical, and laboratory data were collected, and patients were classified as "long-COVID-19" or "non-long-COVID-19" using consensus criteria. Of 397 patients who tested positive for COVID-19, 223 met inclusion criteria, and 62 (27%) had long-COVID-19. These patients had a similar age distribution compared to non-long-COVID-19 patients overall but were younger in the admitted long COVID-19 group. The long-COVID-19 group had more inpatients compared to the non-long-COVID-19 group (39% vs. 25%) and more frequent supplemental oxygen or mechanical ventilation use. However, long-COVID-19 patients did not differ by duration of mechanical ventilation, length of stay, comorbidities, or values of common laboratory tests ordered. The most frequent symptoms associated with long-COVID-19 were fatigue and weakness, as reported most commonly by the infectious disease, respirology and cardiology disciplines. In conclusion, by retrospective chart review, 27% of COVID-19 patients presenting to a tertiary care center in Toronto, Canada, were found to meet criteria for long-COVID-19. Past medical history and routine laboratory testing at presentation did not predict for long-COVID-19 development.
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.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle