BIOCHEMICAL MARKERS OF SEVERE COVID PATIENTS ADMITTED TO ICU IN A TERTIARY CARE HOSPITAL IN KERALA
Notice bibliographique
Résumé
Background: COVID-19 has presented diverse clinical characteristics in different countries. Studies on the laboratory parameters of severe COVID-19 patients admitted to ICUs in India are limited. This study aims to investigate the laboratory ndings of patients with COVID-19 at different stages of the disease, focusing on the differences between survivors and non-survivors among severe COVID-19 patients admitted to the ICU in Kerala, India.Materials and Methods: This cross-sectional study analyzed medical records of patients admitted to the ICU of Chazhikattu Memorial Hospital in Thodupuzha, India, from January 2021 to June 2022. The hospital was designated as a COVID Hospital by the Government of Kerala during the early phase of the pandemic. Patients who met the inclusion criteria were selected, and the study was approved by the Hospital Ethics Committee. Results: Signicant differences were observed between survivors and non-survivors in terms of age, absolute neutrophil count (ANC), absolute lymphocyte count (ALC), neutrophil-to-lymphocyte ratio (NLR), urea, creatinine,D-Dimer and C-reactive protein (CRP) levels. Elevated D-dimer and CRP levels at admission, as well as persistently high ANC, low ALC, increased NLR, and high CRP levels during hospitalization, were signicantly associated with a higher risk of mortality. Conclusion: The study highlights the importance of certain laboratory parameters in predicting the clinical outcome of patients with severe COVID-19. These ndings may help guide the clinical management and risk stratication of patients with COVID-19, ultimately contributing to improved patient care and outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».