Outcomes of COVID-19 Among High-Risk Individuals: A Study Comparing Febrile and Afebrile Presentation
Notice bibliographique
Résumé
Background: Fever is one of the most frequent symptoms of coronavirus disease 2019 (COVID-19) and clinicians are faced with a practice question on whether fever is a risk for progression of disease especially in persons with risk factors for severe illness. We studied if a difference exists in the clinical course and outcome between febrile and afebrile (symptomatic) presentation. Methods: Patients aged > 18 years with confirmed COVID-19 with at least one risk factor for severe illness were studied. Enrolment was done from a home COVID-19 care cohort between May 2020 and March 2022. Participants were divided into febrile and afebrile groups and further divided into six sub-groups based on their comorbidities (diabetes mellitus, hypertension, chronic lung disease, chronic kidney disease, liver disease and others) using a pre-specified inclusion method. Severity of illness was classified as non-hypoxic or hypoxic and clinical course was monitored. Results: A total of 3,752 patients were studied, of whom 965 (25.7%) had severe illness and 117 (3.1%) died. Persons with obesity (P < 0.001), chronic kidney disease (P = 0.003) and chronic liver disease (P = 0.02) more frequently had presentation without fever. No significant difference in hypoxia (P = 0.35) or mortality (P = 0.50) was observed between febrile (n = 1,240) and afebrile (n = 2,512) presentation. Conclusion: Fever in COVID-19 was not associated with severe illness or mortality. The overall and risk factor specific mortality observed in our study is substantially low, probably due to lesser bias in selection of study participants or due to ethnicity of study population.
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 | 0,018 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».