Impact of COVID-19 on Neurological Manifestations: An Overview of Stroke Presentation in Pandemic.
Notice bibliographique
Résumé
Abstract Introduction: Corona virus disease 2019 (COVID-19) pandemic has become a globally challenging issue after its emergence in December 2019 from Wuhan, China. Despite its common presentation as respiratory distress, patients with COVID-19 have also shown neurological manifestation especially stroke. Therefore, the authors sought to determine the etiology, underlying risk factors, and outcomes among patients with COVID-19 presenting with stroke. Methods: We conducted a systematic review of the electronic database (PubMed, Google Scholar, Scopus, Medline, EMBASE, and Cochrane library) using different MeSH terms from January 2000 to June 2020. Results: A total of 39 patients with stroke from 6 studies were included. The mean age of our included patients was 61.4±14.2 years. Majority of the patients (92.3%) with COVID-19 had ischemic stroke, 5.1% had hemorrhagic stroke, and 2.6% had cerebral venous thrombosis at the time of initial clinical presentation. Almost all of the patients presented had underlying risk factors predisposing to stroke which included, diabetes mellitus, hyperlipidemia, hypertension, and previous history of cerebrovascular disease. 51.2% of the included patients infected with COVID-19 with stroke died, while remaining patients were either discharged home or transferred to a rehabilitation unit. Conclusion: Exploring the neurological manifestation in terms of stroke among patients with COVID-19 is a step towards better understanding of the virus, preventing further spread, and treating the patients affected by this pandemic.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».