MANIFESTAÇÕES DERMATOLÓGICAS EM PACIENTES COM COVID-19
Bibliographic record
Abstract
A COVID-19, uma doença causada pelo novo coronavírus, o SARS-CoV-2, surgiu na China em dezembro de 2019 e rapidamente começou a se espalhar por todo o mundo. Porém, os sintomas são muito inespecíficos e variáveis, dificultando o diagnóstico clínico da doença. Diante disso, o presente trabalho tem o objetivo de analisar a ocorrência das manifestações cutâneas e seus tipos nos pacientes portadores de COVID-19. Trata-se de uma revisão integrativa, realizada em outubro de 2020, cujas questões norteadoras foram: . Apenas em março de 2020, os primeiros estudos sobre manifestações dermatológicas foram publicados, mostrando que os pacientes, em sua maioria, não apresentam lesões cutâneas e, os que apresentam, têm marjoritariamente erupção eritematosa. No entato, foram relatados os mais diferentes tipos de lesões. Devido a dificuldade em fazer o seguimento dos portadores das infecções por coronavirus, ainda não é conhecido seu mecanismo. O que se sabe é que a afecção é auto-limitada e que algumas drogas podem induzir a sua formação, dificultando a diferenciação entre manifestação do distúrbio e do tratamento. Sendo assim, as condutas devem ser individualizadas de modo a trazer uma melhor resposta terapêutica e entendimento da patologia. É importante estar atento principalmente aos enfermos que fazem uso de terapia imunossupressora.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".