Characteristics of COVID-19 patients and risk factors of mortality in the early times of pandemic, Herat-Afghanistan
Notice bibliographique
Résumé
Objective: Coronaviruses are a large family of viruses that cause different types of diseases. This study aims to evaluate the risk factors for mortality based on comorbidity and socio-demographic characteristics among COVID-19 patients. Methods: This cross-sectional study conducted in Herat, Afghanistan, from February 24 to July 5, 2020, used data provided by the public health department, including socio-demographics, symptoms, comorbidities, hospitalization, contact history, and COVID-19 test type. The Chi-square test was used to observe differences between categorical variables. In bivariate analysis, all independent variables with a significant p-value were put into the model. Odds ratios and 95% confidence intervals were calculated, and a p-value less than 0.05 was considered statistically significant. Results: The study analyzed 11,183 COVID-19 cases, with a 53.5% positivity rate. Recovery rates in the city and Herat province districts were 96.2% and 94.7%, respectively. Case-fatality rates varied with age, with 0.4% for those aged 1-29 and 33% for those aged 80-105. Mortality rates were highest for those with COPD and cancer, at 12.5% and 18.2%, respectively. In the logistic regression results, age, gender, and COPD were significant variables for COVID-19 mortality. Conclusion: By providing more health service facilities to people in risk groups, especially in rural areas, the mortality rate of COVID-19 and other diseases can be decreased.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».