Diagnostic yield of screening for SARS-CoV-2 among patients admitted to hospital for alternate diagnoses: an observational cohort study
Notice bibliographique
Résumé
OBJECTIVES: To determine the diagnostic yield of screening patients for SARS-CoV-2 who were admitted with a diagnosis unrelated to COVID-19 and to identify risk factors for positive tests. DESIGN: Cohort from the Canadian COVID-19 Emergency Department Rapid Response Network registry. SETTING: 30 acute care hospitals across Canada. PARTICIPANTS: Patients hospitalised for non-COVID-19-related diagnoses who were tested for SARS-CoV-2 between 1 March and 29 December 2020. MAIN OUTCOME: Positive nucleic acid amplification test for SARS-CoV-2. OUTCOME MEASURE: Diagnostic yield. RESULTS: We enrolled 15 690 consecutive eligible adults who were admitted to hospital without clinically suspected COVID-19. Among these patients, 122 tested positive for COVID-19, resulting in a diagnostic yield of 0.8% (95% CI 0.64% to 0.92%). Factors associated with a positive test included presence of fever, being a healthcare worker, having a positive household contact or institutional exposure, and living in an area with higher 7-day average incident COVID-19 cases. CONCLUSIONS: Universal screening of hospitalised patients for COVID-19 across two pandemic waves had a low diagnostic yield and should be informed by individual-level risk assessment in addition to regional COVID-19 prevalence. TRIAL REGISTRATION NUMBER: NCT04702945.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».