Impact of COVID-19 on Neurological Manifestations: An Overview of Stroke Presentation in Pandemic.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,016 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle