MétaCan
Menu
Retour à la cohorte
Enregistrement W4367320994 · doi:10.1111/joim.13646

Effective prognostic and clinical risk stratification in COVID‐19 using multimodality biomarkers

2023· review· en· W4367320994 sur OpenAlexaff
Alexander Liu, Robert Hammond, Peter Donnelly, Juan Carlos Kaski, Anthony Coates

Notice bibliographique

RevueJournal of Internal Medicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineRadiologyMagnetic resonance imagingCoronary artery diseaseCardiologyChest radiographIntensive care medicineDiseaseLung

Résumé

récupéré en direct d'OpenAlex

In acute coronavirus disease 19 (COVID-19) patients, effective clinical risk stratification has important implications on treatment and therapeutic resource distribution. This article reviews the evidence behind a wide range of biomarkers with prognostic value in COVID-19. Patient characteristics and co-morbidities, such as cardiovascular and respiratory diseases, are associated with increased mortality risk. Peripheral oxygen saturation and arterial oxygenation are predictive of severe respiratory compromise, whereas risk scores such as the 4C-score enable multi-factorial prognostic risk estimation. Blood tests such as markers of inflammation, cardiac injury and d-dimer and abnormalities on electrocardiogram are linked to inpatient prognosis. Of the imaging modalities, lung ultrasound and echocardiography enable the bedside assessment of prognostic abnormalities in COVID-19. Chest radiograph (CXR) and computed tomography (CT) can inform about prognostic pulmonary pathologies, whereas cardiovascular CT detects high-risk features such as coronary artery and aortic calcification. Dynamic changes in biomarkers, such as blood tests, CXR, CT and electrocardiogram findings, can further inform about disease severity and prognosis. Despite the vast volumes of existing evidence, several gaps exist in our understanding of COVID-19 biomarkers. First, the pathophysiological basis on which these markers can foretell prognosis in COVID-19 remains poorly understood. Second, certain under-explored tests such as thoracic impedance assessment and cardiovascular magnetic resonance imaging deserve further investigation. Lastly, the prognostic values of most biomarkers in COVID-19 are derived from retrospective analyses. Prospective studies are required to validate these markers for guiding clinical decision-making and to facilitate their translation into clinical management pathways.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,376
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,376
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,262
Tête enseignante GPT0,601
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Internal MedicineMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207