The Impact of the SARS-CoV-2 Epidemic on Vertigo: Changes in Emergency Department Admissions and Management
Notice bibliographique
Résumé
Background: The coronavirus disease 2019 (COVID-19) pandemic brought several changes in the management of various pathologies, including vertigo. Dizziness and vertigo are usually responsible for approximately 5% of unselected presentations to emergency department (ED) or outpatient clinics. During the pandemic, a lower number of ED admissions for many pathologies has been reported. We aimed to evaluate the effects of the COVID-19 pandemic on vertigo management during the lockdown period. Methods: We retrospectively analyzed the clinical features and outcomes of patients admitted for vertigo between January 1, 2020, and April 30, 2020, and compared them with those of patients admitted during the same time span in 2019. We compared the whole number of vertigo cases admitted in the first months of 2019 and 2020, respectively, and the number of admissions per week; we also reported the length of stay in the ED and the number of specialistic/radiological evaluations performed. Results: We isolated 412 patients admitted to the ED of Cattinara Hospital, University of Trieste, from January to April 2019, compared to 303 patients admitted during the same period in 2020 (lockdown period). The two groups (group A and group B) were comparable in terms of age and gender. We found a decrease in ED admission during the intensive lockdown period when comparing the ED accesses in 2019 and 2020 (weeks 10 - 17: 23% (2019) vs. 9% (2020); P = 0.000898913). Conclusions: During the COVID-19 pandemic, the number of vertigo cases, similar to those of stroke or cardiac pathologies, decreased. We also found a relative increase in admissions for central vertigo in our sample during the lockdown period, as well as an increase of “pseudo-vertigo”.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».