Prognóstico de pacientes idosos com Covid-19 para fundamentar discussões de cuidado baseado em valores
Bibliographic record
Abstract
Objetivo: Investigar o prognóstico de pacientes idosos em uma ampla coorte de idosos com Covid-19. Avaliamos preditoresadicionais de mortalidade, além da idade, nesses pacientes idosos. Métodos: O estudo foi uma análise retrospectiva dedados de um importante centro de referência para Covid-19 em São Paulo. Incluímos todos os pacientes com 75 anos oumais internados no hospital com Covid-19 de março de 2020 a maio de 2021. Utilizamos regressão para identificar fatoresindependentes de mortalidade. As análises estatísticas foram realizadas usando o software R. Resultados: Aproximadamente49% desses pacientes foram intubados. Pacientes intubados tiveram taxa de mortalidade de 80% em comparação com 22,7%para pacientes não intubados. Para pacientes intubados, sexo masculino, Simplified Acute Physiology Score 3 mais alto, frequênciacardíaca mais alta e um aparente estado de saúde debilitado contribuíram para um pior prognóstico. Para pacientes nãointubados, menor saturação de oxigênio periférico na admissão, frequência cardíaca mais alta, idade mais avançada, demência,histórico de mialgia na admissão e um aparente estado de saúde debilitado contribuíram para um pior prognóstico. Conclusão:Pacientes idosos com Covid-19 apresentam prognóstico ruim quando intubados, o que deve ser considerado desde o início.Portanto, a intubação nessa população provavelmente não deve ser considerada uma prática padrão, especialmente se,para o paciente individual em consideração, a independência funcional for prioridade em relação à extensão da vida útil.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 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".