[ID 54423] FATORES PROGNÓSTICOS DE MORTALIDADE POR COVID-19 NO RIO GRANDE DO NORTE, BRASIL
Bibliographic record
Abstract
Objetivo: Avaliar a associação das comorbidades e dos sintomas com os óbitos entre os casos confirmados de Covid-19 no Estado do Rio Grande do Norte, Brasil. Metodologia: Trata-se de um estudo transversal, onde foram selecionados 44.098 casos confirmados, oficialmente divulgados, dos quais 1.615 foram óbitos, cujas variáveis preditoras foram: idoso, branco, diabetes, doenças cardíacas, respiratórias e renais, imunossupressão, tosse, febre, dor de garganta, e dispneia. Modelos regressivos clássicos e bayesiano de Poisson foram usados para ajuste das razões de taxa de incidência de mortalidade. Resultados: As mortes corresponderam a 3,7% dos casos confirmados de Covid-19. Os idosos com Covid-19 tiveram 10 (ICr95%: 8,25-12,74) vezes mais chances de óbito que a sua contraparte. O excedente de mortes foi 34% (ICr95%: 1,12-1,60) maior entre os homens, contudo, a raça/cor branca foi fator de proteção (RTI: 0,63; ICr95%: 0,50-0,79). As comorbidades, como o diabetes (RTI: 2,13), as doenças cardíacas (RTI: 2,03), as respiratórias (RTI: 1,90) e as imunossupressoras (RTI: 2,89), além de sintomas como a tosse (RTI: 1,39) e a dispneia (RTI: 1,52) foram fatores prognósticos associados à mortalidade por Covid-19. Conclusão: Os idosos apresentaram excedente de mortalidade por Covid-19 no Estado do Rio Grande do Norte, como também os homens e as pessoas que apresentaram comorbidades como o diabetes, as doenças cardíacas, as doenças respiratórias e as imunossupressoras, além de sintomas como a tosse e a dispneia, estiveram associados à maior mortalidade.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.270 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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; both teacher heads agree on what is shown here.
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".