Changes in lipid, liver, and renal test profiles among patients with severe COVID-19 during and after hospital admission at Saint Peter Specialized Hospital, Addis Ababa, Ethiopia
Notice bibliographique
Résumé
Abstract Objective: The progression of COVID-19 affects multiple organs, abnormal lipid, liver, and renal function tests have beenreported. Hence, this study aimed to determine differences in organ function and lipid profile among patients with severe COVID-19 during and after hospital admission. Methods: A follow-up study was conducted among COVID-19-admitted patients at St. Peter Specialized Hospital from January 1, 2021, to April 30, 2021. A total of 162 patients were included in the study. Five millilitersof venous blood was collected during admission and on the verge of discharge. Lipid, renal and liver function tests were performedusing aCobas 311 analyser. The data were entered and analysed with SPSS version 25. Results: The mean differences in total cholesterol, HDL, and LDL at admission and discharge were 20.13 (95% CI; 13.41-26.84; P<0.001), 7.53 (95% CI; 5.24-9.81; P <0.001), and 0.10 (95% CI; 0.06-0.14; P<0.001), respectively. Albumin concentrationincreased significantly at discharge, while the ALT concentration decreasedsignificantly at discharge (P<0.05). Conclusion: Dyslipidemia and low levels of Albumin were recorded during the progression of COVID-19 (at admission). This indicated severe COVID-19 disease leads to lipid alteration and Additional studies need to better define the disease's association with liver and renal function tests.
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) | 0,001 | 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 ».