Characteristics of patients with suspected COVID-19 pneumonia and repeatedly negative RT-PCR
Notice bibliographique
Résumé
Objectives. Challenges remain and there are still a sufficient number of cases with epidemiological, clinical features and radiological data suggestive of COVID-19 pneumonia that persist negative in their RT-PCR results. The aim of the study was to define the distinguishing characteristics between patients developing a serological response to SARS-CoV-2 and those who did not. Methods. RT-PCR tests used were TaqPath 2019-nCoV Assay Kit v1 (ORF-1ab, N and S genes) from Thermo Fisher Diagnostics and SARS-COV-2 Kit (N and E genes) from Vircell. Serological response was tested using the rapid SARS-CoV2 IgG/IgM Test Cassette from T and D Diagnostics Canada and CMC Medical Devices and Drugs, S.L, CE. Results. In this cross-sectional study, we included a cohort of 52 patients recruited from 31 March 2020 to 23 April 2020. Patients with positive serology had an older average age (73.29) compared to those who were negative (54.82) ( P <0.05). Sat0 2 in 27 of 34 patients with positive serology were below 94% ( P <0.05). There was a frequency of 1.5% negative SARS-CoV-2 RT-PCRs during the study period concurring with 36.7% of positivity. Conclusions. Clinical features and other biomarkers in a context of a positive serology can be considered crucial for diagnosis.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».