Implementation of a Triage Protocol Outside the Hospital Setting for Timely Referral During the COVID-19 Second Wave in Chennai, India
Notice bibliographique
Résumé
India experienced a surge in COVID-19 cases during the second wave in the period of April-June 2021. A rapid rise in cases posed challenges to triaging patients in hospital settings. Chennai, the fourth largest metropolitan city in India with an 8 million population, reported 7564 COVID-19 cases on May 12, 2021, nearly 3 times higher than the number of cases in the peak of COVID-19 in 2020. A sudden surge of cases overwhelmed the health system. We had established standalone triage centers outside the hospitals in the first wave, which catered to up to 2500 patients per day. In addition, we implemented a home-based triage protocol from May 26, 2021, to evaluate patients with COVID-19 who were aged ≤45 years without comorbidities. Among the 27,816 reported cases between May 26 and June 24, 2021, a total of 16,022 (57.6%) were aged ≤45 years without comorbidities. The field teams triaged 15,334 (55.1%), and 10,917 (39.2%) patients were evaluated at triage centers. Among 27,816 cases, 19,219 (69.1%) were advised to self-isolate at home, 3290 (11.8%) were admitted to COVID-19 care centers, and 1714 (6.2%) were admitted to hospitals. Only 3513 (12.7%) patients opted for the facility of their choice. We implemented a scalable triage strategy covering nearly 90% of the patients in a large metropolitan city during the COVID-19 surge. The process enabled early referral of high-risk patients and ensured evidence-informed treatment. We believe that the out-of-hospital triage strategy can be rapidly implemented in low-resource settings.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».