COVID-19 E SUA PRIMEIRA ONDA: UMA ANÁLISE RETROSPECTIVA DOS PRIMEIROS CASOS EM UMA CIDADE FRONTEIRIÇA DO BRASIL
Bibliographic record
Abstract
O objetivo deste estudo retrospectivo, de centro único, é incluir todos os casos da primeira onda de casos de COVID-19 no Hospital Padre Germano Lauck, em Foz do Iguaçu - PR, Brasil, de abril a julho de 2020, confirmados por RT-PCR em tempo real e analisar as características epidemiológicas e clínicas. Descrevemos e analisamos, retrospectivamente, as características clínicas e epidemiológicas dos casos da primeira onda de COVID-19 na cidade de Foz do Iguaçu, no Brasil. Os dados categóricos são descritos por frequência e proporções, enquanto os dados numéricos são descritos pelo desvio padrão (DP) e pelo intervalo interquartil mediano (IQM). A idade média dos pacientes foi de 39 anos, incluindo 415 homens (44%) e 535 mulheres (56%). As comorbidades prevalentes foram diabetes, hipertensão e doença cardiovascular. Tosse, cefaleia e mialgia foram os sintomas comuns associados à COVID-19. A idade foi o principal fator de risco para a morte, assim como a hipertensão e o diabetes. Este estudo encontrou que a primeira onda de COVID-19 em Foz do Iguaçu apresentou características semelhantes aos estudos realizados durante o mesmo período epidemiológico. Quando comparadas com análises posteriores de diferentes cepas do vírus COVID-19, foi observado que houve uma predominância de diferentes sintomas e idades de casos graves entre as infecções causadas pelas variantes Ômicron e Delta.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".