SARS-CoV-2: Review of Conditions Associated With Severe Disease and Mortality
Notice bibliographique
Résumé
The 2019 Coronavirus Virus Disease (COVID-19) represents a global public health challenge in the twenty-first century. As of June 2020, the virus had spread across 216 countries across the globe. This paper aims to analyze and identify those existing comorbidities among COVID-19 patients that represent potential risk factors for COVID-19 complications, severe illness, and death. Multiple database resources were searched. The resources include the University of Saskatchewan library USearch, Google Scholar, PubMed, Medline, and the Google search engine. Thirty-seven articles, which included 15 different types of chronic diseases, were selected. Among the reviewed diseases and conditions, cancer, diabetes, lymphopenia, hypertension, kidney disease, smoking, chronic obstructive pulmonary disease (COPD), and organ transplant were found to represent potential risk factors for COVID-19 complications, severe illness, and death. Other conditions that require further research as to whether they predispose subjects to severe illness and death include coronary artery disease, cerebrovascular disease, valvular heart disease, gastrointestinal diseases, HIV/AIDS, asthma, and liver disease. In conclusion, this article explains the association between diseases mentioned above and the severity of COVID-19 and clearly shows the population at risk. This paper will help government bodies and decision-makers prioritize resources for these populations to reduce mortality rates and overall quality of life.
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 | 0,002 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».