Factors associated with death and ICU referral among COVID-19 patients hospitalized in the secondary referral academic hospital in East Jakarta, Indonesia
Notice bibliographique
Résumé
Introduction: We present demographic and clinical characteristics including laboratory and imaging data of COVID-19. Factors associated with death and ICU referral were evaluated. Methods: This is a retrospective cohort study of hospitalized COVID-19 patients confirmed by real time polymerase chain reaction (RT-PCR). Logistic regression was used to evaluate the associations between demographic and clinical characteristics with the outcomes. Results: A total of 477 patients have been hospitalized from October 2020 - February 2021, 112 patients were over 60 years old and 58.2% were women. There were 299 (62.7%) patients with clinical improvement and negative RT-PCR at discharge, 145 (30.4%) patients with clinical improvement and positive RT-PCR at discharge, 14 (2.9%) patients referred to ICU, and 19 (4%) patients died. The most common clinical symptoms were fever, cough, nausea and vomiting, and shortness of breath. Multivariate logistic regression analysis revealed age ≥60 years old, shortness of breath, obesity, oxygen saturation <95%, leukocyte count >10,000/L, and moderate-severe COVID-19 at admission were strongly associated with death or referral to ICU. Conclusion: Patients aged over 60 years old with obesity, low peripheral oxygen saturation, high leucocyte count, shortness of breath and moderate-severe COVID-19 at admission had higher risks of death or referred to ICU.
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 | 0,008 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,007 |
| 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 ».