The correlation between severity scores in computed tomography lung scans and viral load in the severity of novel coronavirus 2019 progression
Notice bibliographique
Résumé
BACKGROUND: This study aimed to find the correlation between severe computed tomography (CT) lung scores and nasopharyngeal viral load (Ct value) in the severity of COVID-19 disease progression. METHOD: In this study, 37 patients diagnosed with COVID-19 were categorized into severely ill and not severely ill samples. Their Ct values, epidemiological data, lung CT, and laboratory test results were collected three times, respectively, on the first day of their hospital admission, 3-5 days thereafter, and prior to hospital discharge. Among the 37 patients, 8 progressed from not severely ill to severely ill; we also paid attention and observed changes in clinical parameters of COVID-19 patients who entered our city from other cities (imported cases) and the infected local residents who contacted these imported patients (non-imported cases). RESULTS: Among the 37 patients, the Ct values and lung severity scores (LSSs) were similar in imported and non-imported cases (F = 0.59 and 2.56; p = 0.45 and 0.12, respectively) but the proportion of severely ill imported patients was significantly higher compared with non-imported patients (F = 7.77; p = 0.01). Additionally, 21.6% of patients' illness worsened; lymphocyte counts and Ct values were significantly lowered, and C-reactive protein and LSS significantly increased during COVID-19 disease progression. Furthermore, LSS negatively correlated with lymphocyte and mononuclear cell counts, as well as Ct values (Pearson's rank = -0.763, -0.824, and -0.588; p = 0.028, 0.012, and 0.003, respectively). CONCLUSION: In the severity of COVID-19 disease progression, nasopharyngeal viral load and lung CT severity were closely related, and LSS negatively correlated with lymphocyte and mononuclear cell counts, as well as Ct values.
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 | 0,000 | 0,000 |
| 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 ».