MétaCan
Menu
← Retour à la cohorte
Enregistrement W4206943970 · doi:10.1101/2022.01.20.22269202

PRICE COVID19 Data Report December 2021 Pakistan Registry of Intensive Care

2022· preprint· en· W4206943970 sur OpenAlexaff
Ahmed Farooq, Rahatullah Arsalan, Mufti Kulsoom Aisha, Muhammad Asim, Muhammad Hayat, Aneela Altaf, Arshad Taqi, Ashok Kumar, Atta-Ur Rehman, Fakhir Raza Haidri, Iqbal Hussain, Mobin Chaudhry, Safdar Rehman, Irfan Malik, Jodat Saleem, Liaquat Ali, Muhammad Ashraf Zia, Maria Khan, Mohiuddin Sheikh, Muhammad Sheharyar Ashraf, Muhammad Asim Rana, Muhammad Nasir Khoso, S Aijaz Abbas Rizvi, Naseem Ali Shaikh, Nawal Salahuddin, Quratulain Khan, Rana Imran Sikander, Syed Muneeb Ali, Rashid Nasim Khan, Sairah Babar, Abi Beane, Arjen M. Dondorp, Chamira Kodippily, Dilanthi Priyadarshani, Ishara Udayanga, Pramodya Ishani, Sri Darshana, Thalha Rashan, Rashan Haniffa, Srinivas Murthy, Madiha Hashmi

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of Oxford
Mots-clésMedicineComorbidityIntensive careMechanical ventilationEpidemiologyEmergency medicineIntensive care medicineRenal replacement therapyMortality rateCoronavirus disease 2019 (COVID-19)Internal medicinePediatricsDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Pakistan Registry of Intensive Care (PRICE) is a platform that has enabled standardized COVID-19 clinical data collection based on ISARIC/WHO Clinical Characterization Protocol. The near real-time data platform includes epidemiology, severity of illness, microbiology, treatment and outcomes of patients admitted with suspected or laboratory confirmed COVID19 infection to 67 intensive care and high dependency units across the country. Data has been extracted and analysed at regular intervals to inform stakeholders and improve care practices. This is our 28th report including all patients with suspected or confirmed COVID-19 from 26th March 2020 to 26th December 2021. Key findings from 8624 patients who met eligibility criteria, are as follows: ● Median age of 60 years (IQR 50-70). ● The most common symptoms were shortness of breath (n = 6428, 77.8%), fever (n = 6091, 73.8%), and Cough (n = 3354, 38.9%) ● The most common comorbidity was hypertension followed by diabetes. ● During the course of illness 2804 (32.6%) patients received non-invasive ventilation, whereas 2474 (28.8%) patients had mechanical ventilation as their highest organ support. In addition, 2246 (26.1%) patients needed haemodynamic support and 1249 (14.7%) patients required renal replacement therapy as their highest organ support. ● Median APACHE II score was 18 ● Overall mortality at ICU discharge was 39.2% ● Increasing age and requirement for invasive mechanical ventilation were independent risk factors for mortality increased the risk of death

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,008
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0320,016

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,488
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→