Impact of the COVID-19 Pandemic on the Appropriateness of Diagnostic Pathways of Autoimmune Rheumatic Diseases
Notice bibliographique
Résumé
OBJECTIVE: Early diagnosis of autoimmune rheumatic diseases (ARDs) is key to achieving effective treatment and improving prognosis. The coronavirus disease 2019 (COVID-19) pandemic has led to major changes in clinical practice on a global scale. We aimed to evaluate the impact of the COVID-19 pandemic on rheumatological clinical practice and autoimmunity testing demands. METHODS: Data regarding the first rheumatological visits and new diagnoses, together with the autoimmunity laboratory testing volumes related to the COVID-19 pandemic phase (January-December 2020), were collected from medical records and the laboratory information system of a regional reference hospital (Basilicata, Italy) and compared with those obtained during the corresponding period in 2019. RESULTS: < 0.05) was also observed. However, an equivalent or higher percentage of positive autoimmunity results from outpatient services was recorded during 2020 when compared to the prepandemic state. Of note, COVID-19-associated decline in new diagnoses affected mainly less severe diseases. In contrast, ARDs with systemic involvement were diagnosed at the same levels as in the prepandemic period. CONCLUSION: The COVID-19 pandemic has affected access to health services. However, our study highlighted that during the outbreak, greater appropriateness of the requests for laboratory tests and visits emerged, as shown by a greater percentage of positive test results and new diagnoses of more severe ARDs compared to the prepandemic period.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».