MétaCan
Menu
Retour à la cohorte
Enregistrement W4388298578 · doi:10.2147/jmdh.s426607

Analysis of Symptom Spectra and Associated Factors Among 536 Respondents During the COVID-19 Epidemic in China: A Cross-Sectional Study

2023· article· en· W4388298578 sur OpenAlexfundno aff
Ye Wang, Fenxiang Li, Jian Liu, Jing Liu, Jiayi Zhang, Yingtao Zhang, Shuning Wu

Notice bibliographique

RevueJournal of Multidisciplinary Healthcare · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesJinan UniversityNational Natural Science Foundation of ChinaPublic Health AgencyPublic Health Agency of Canada
Mots-clésCross-sectional studyCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Environmental healthChinaPandemicFamily medicineVirologyInternal medicineOutbreakPathologyGeographyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Purpose: This study aims to identify common COVID-19 symptoms and asymptomatic infection rates during the epidemic in China. We also introduce the concepts of “Time-point asymptomatic rate” and “Period asymptomatic rate”. Object and Methods: A questionnaire survey was conducted online from December 2022 to January 5, 2023, collecting demographic characteristics, laboratory results, clinical symptoms, lifestyle and vaccination history. Statistical methods were used to analyze symptom characteristics, associated factors, and patterns during an 8-day observation period. Numerical variables were described by median M (Q1-Q3) or mean and standard deviation (). Categorical variables are described by frequency (N), ratio (%) or rate (%). The influencing factors were studied by Wilcoxon or Kruskal-Willis H rank sum test or logistic regression analysis, and the trend of symptom incidence by Spearman rank correlation. P value being ≤ 0.05 was statistically significant. Results: Out of 536 participants, 493 (91.98%) were infected, with 3 asymptomatic cases and 490 symptomatic cases within 8 days. The time-point asymptomatic rate increased from 0.61% on day 1 to 15.42% on day 8. Fever, cough, and fatigue were the main symptoms, with additional symptoms such as vomiting, diarrhea, and hyposmia reported. Symptom durations varied, with cough and expectoration lasting longer and vomiting and diarrhea lasting shorter. Several symptoms showed a downward trend over time. Conclusion: Our online survey highlighted that most COVID-19 patients experienced symptoms, and the time-point asymptomatic rate showed a dynamic change among the infected population. Onset patterns and demographic factors influence symptom occurrence and duration. These findings have implications for clinical practitioners and decision-makers in public health measures and strategies. Keywords: Novel coronavirus infection, onset patterns, clinical features, associated factors, time-point asymptomatic, period asymptomatic rate

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,411
Écart entre enseignants0,371 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Multidisciplinary HealthcareMême sujetLong-Term Effects of COVID-19Travaux en français237 207