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). Sat02 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 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 | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».