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 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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».