Prognosis of COVID-19 infection among opium users in Iran,2020: a hospital-based study
Notice bibliographique
Résumé
Introduction Since Iran has the highest opioid consumption in the world and the literature surrounding the association of COVID-19 with opioid consumption is still insufficient, in this study, we aimed to present the individual, clinical, and outcome characteristics of patients with COVID-19 disease who had a history of opium use.Methods In this cross-sectional study, 1,985 patients, with a history of opium consumption, who were admitted to hospital because of COVID-19 disease were evaluated. Data were obtained from February 24, 2020 to June 21 2021, using the Medical Care Monitoring Center (MCMC) system of Shiraz University of Medical Sciences located in the province of Fars.Results The mean age of patients was 57.3 ± 17.1 years. The most common symptoms of COVID-19 disease were loss of consciousness (77.4%). 25% of patients had underlying diseases, the most common of which were cardiovascular disease (21.4%) and hypertension (21.2%). Out of 1,985 patients 251 (12.6%) died due to COVID-19. Multiple logistic regression showed that age, gender, having underlying diseases and high-resolution (HRCT) of lung are associated with mortality.Conclusion Our results showed, age 40–59 years, male gender, presence of underlying disease(s) and HRCT of the lung with finding, are correlated to the mortality of COVID-19 hospitalized patients with a history of opium consumption.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».