Complete Blood Count (CBC) and Multivariate Analysis as Tools for Predicting Coronavirus (COVID-19) Infectious
Notice bibliographique
Résumé
The COVID-19 pandemic has affected millions worldwide in recent years. However, the epidemic's impact on the residents of the southern Libyan region has not been assessed. To investigate the spread of COVID-19 among the population, a study was conducted from March to June 2021. The study involved 146 people, 97 of whom were infected with COVID-19 and 49 were not infected. A complete blood count (CBC) and multivariate statistical analysis were used to determine the extent of the epidemic's spread in the study area. The CBC analysis used China's Tecom Science Corporation, model number TEK-5000. The results revealed that males (58.76%) were more affected than females (41.24%). The most affected age group was those under 46 (53.6%). The T-test analysis showed significant differences (p > 0.01) for each Red blood cell count (RBC), Mean corpuscular haemoglobin (MCH), Mean corpuscular haemoglobin concentration (MCHC), Red cell distribution width (RDW), Platelet count (PLT), White blood cell count (WBC), Platelet count (PLT), and granulocytes (GRA). However, the Hematocrit (HCT) was less than the significance level (P < 0.05), and there was no significant difference (P > 0.05) for Hemoglobin (HGB), Mean corpuscular volume (MCV), Lymphocyte (LYM), and Monocyte (MON) compared to the uninfected group. This study indicates that COVID-19 infection significantly affects the average values of blood tests, and changes in these values may cause complications for patients. Therefore, monitoring these changes in blood values is crucial to reducing the death rate among the infected.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».