Insuffisance rénale aiguë au cours de la COVID-19 : expérience du Togo
Bibliographic record
Abstract
Étudier les aspects épidémiologiques, cliniques, paracliniques et évolutifs de l'insuffisance rénale aiguë (IRA) au cours de la COVID-19 à Lomé au Togo. Étudier les aspects épidémiologiques, cliniques, paracliniques et évolutifs de l'insuffisance rénale aiguë (IRA) au cours de la COVID-19 à Lomé au Togo. Il s'agissait d'une étude transversale et analytique avec recueil rétrospectif des données. Elle a concerné tous les patients hospitalisés au CHR-LOME COMMUNE (centre national de prise en charge) de mars 2020 à août 2021, souffrant de COVID-19 et qui présentaient une IRA. La prévalence de l'IRA au cours de la COVID-19 était de 3,90 %. Les sujets âgés de plus de 65 ans étaient les plus représentés. Les extrêmes d'âge étaient de 17 et 85 ans. Le sexe-ratio (H/F) était de 2,89. Les principaux facteurs associés à la gravité de l'insuffisance rénale aiguë de façon significative étaient le diabète (p = 0,04), l'asthme (p = 0,000007) et l'infection à VIH (p = 0,000002). Il y avait une corrélation entre le degré de l'insuffisance rénale aiguë et la gravité à l'admission (p = 0,04). Les patients ayant présenté une IRA de gravité 2 et 3 étaient hémodialysés. Il y avait une corrélation statistiquement significative entre la mortalité intra hospitalière et la gravité de l'insuffisance rénale aiguë (p = 0,04). Le taux de mortalité intra-hospitalière était de 23 %. L'IRA au cours de la COVID-19 constitue une véritable préoccupation pour les cliniciens. Sa prise en charge médicale implique une équipe pluridisciplinaire. Un accent particulier doit donc être mis sur la gestion des comorbidités et les mesures préventives de néphroprotecteur.
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 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".