Psychological and Clinical Predictors of COVID-19 Severity and Outcomes
Notice bibliographique
Résumé
Objective The present study aimed to assess the psychological and clinical determinants of coronavirus disease 2019 (COVID-19) and their association with the disease severity and outcomes. Methods This prospective study was conducted at Hayatabad Medical Complex, Peshawar-Pakistan. Admitted patients were screened for COVID-19 with reverse transcription-polymerase chain reaction (RT-PCR) and subsequently, 250 COVID positive patients were included in the final analysis. Data were obtained from the patient's medical chart; demographic and clinical characteristics were recorded using a structured questionnaire. Psychological determinants, including anxiety and depression, were measured using the Hospital Anxiety and Depression Scale (HADS). The predictors of disease severity and outcomes (recovery vs. mortality) were also studied. Results A total of 250 patients were included in this study; out of which, 193 patients recovered from this deadly virus and 57 died. Based on psychological assessment, 58.4% of the enrolled COVID-19 patients had poor HADS scores. Most of the patients who died (70.2%) had severe symptoms (poor HADS scores). Similarly, 49.6% of the total cases were observed with poor HADS, and 50.9% of those who died had severe depression. Conclusion It is concluded from the study results that psychological distress is frequent in COVID-19 patients. Age, hypertension, fatigue, abnormal respiratory rate, oxygen saturation, ferritin, and poor HADS sore were determined as the significant predictors of COVID-19 severity and outcomes.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».