Шок: у большинства госпитализированных пациентов с COVID развились неврологические расстройства

У восьмидесяти процентов госпитализированных пациентов развились неврологические проблемы, что значительно увеличило число смертей. Одна из причин, «прямое нейроинвазия вируса», гласит, что вирус попал прямо в мозг.

Нейрохирург доктор Рассел Блейлок написал в мае 2020, что «Если надеть маску, выдыхаемые вирусы не смогут вырваться наружу и будут концентрироваться в носовых проходах, попадать в обонятельные нервы и проникать в мозг». За это его сильно критиковали, но в основном невежественные, немедицинские люди. ⁃ Редактор TN

Введение

По состоянию на 8 сентября 2020 года тяжелый острый респираторный синдром, вызванный коронавирусом типа 2 (SARS-CoV-2), привел к более 26.5 миллионам подтвержденных инфекций и 875,000 смертей от коронавирусной болезни-2019 (Covid-19) во всем мире.1

Как и большинство инфекций, вызываемых членами семейства коронавирусов, SARS ‐ CoV ‐ 2 проявляется инфекциями верхних дыхательных путей и гриппоподобными симптомами различной степени тяжести.2 Тем не менее, Covid-19 уникален по своей способности вызывать полиорганные заболевания с поражением центральной и периферической нервной системы у некоторых людей.

Действительно, выявлен широкий спектр неврологических проявлений инфекции SARS-CoV-2, и данные об их серьезности и стойкости растут.310 Однако частота этих проявлений и связанные с ними факторы риска остаются неясными. Мы стремились охарактеризовать частоту неврологических проявлений у пациентов с подтвержденным Covid-19 и определить факторы, связанные с развитием неврологических проявлений у госпитализированных пациентов как с тяжелыми, так и с нетяжелыми респираторными заболеваниями. Кроме того, неврологические проявления, особенно энцефалопатия, были связаны с худшими клиническими исходами при других системных заболеваниях, включая сепсис, и могут даже привести к значительной инвалидности.1112 Поэтому мы стремились определить, связана ли энцефалопатия с большей заболеваемостью у госпитализированных пациентов с Covid-19.

Предметы / материалы и методы.

Пациенты

Мы ретроспективно проанализировали первых последовательных пациентов, поступивших с Covid ‐ 19 в систему здравоохранения Northwestern Medicine (NMHC) в период с 5 марта по 6 апреля 2020 года. NMHC состоит из одного академического медицинского центра (AMC) и девяти других больниц в районе Чикаго. Диагноз Covid-19 был подтвержден методом обратной транскрипции-полимеразной цепной реакции (ОТ-ПЦР) SARS-CoV-2 мазка из носоглотки или жидкости бронхоальвеолярного лаважа. Все лабораторные и радиологические исследования проводились как часть повседневной клинической помощи. Это исследование было одобрено нашим институциональным наблюдательным советом (STU00212627) с отказом от согласия на ретроспективный анализ.

Процедуры

Демографические данные, сопутствующие соматические заболевания, использование лекарств перед госпитализацией и данные о ходе госпитализации были собраны с помощью электронной проверки медицинских карт. Лабораторные данные собирались с помощью автоматизированного электронного запроса. Неврологические проявления были выявлены на основе анализа клинических записей, диагностических исследований и диагнозов, задокументированных врачом. Идентификация неврологических проявлений, дат начала неврологических проявлений и дат появления симптомов Covid-19 была облегчена с помощью шаблонов электронных заметок, реализованных в системе NMHC как часть ответа на Covid-19. В частности, энцефалопатия была идентифицирована (а) сообщением об измененном психическом статусе или пониженном уровне сознания, (б) задокументированным врачом диагнозом энцефалопатии или синдрома делириевой энцефалопатии или (в) положительной оценкой метода оценки спутанности сознания (CAM). Метод оценки путаницы - это хорошо проверенный и широко используемый клинический и исследовательский инструмент для выявления синдрома делириевой энцефалопатии, который в повседневной клинической практике используется в NMHC с 2008 года.1315 Неврологические проявления были включены, начиная с даты появления Covid-19, как было указано лечащим врачом пациента, в течение 90 дней. В тех случаях, когда неврологические проявления не были конкретно связаны с задокументированным диагнозом, эти случаи независимо рассматривались двумя отдельными неврологами (AB и EML). Третий невролог независимо проанализировал таблицу, чтобы использовать ее в качестве критерия разрешения споров (IJK) в случае разногласий. В тех случаях, когда неврологические проявления были связаны с конкретным неврологическим диагнозом (например, инсульт), пациент регистрировался как имеющий этот конкретный диагноз, а не каждый компонент неврологического проявления. Пациенты были разделены на тяжелое и нетяжелое респираторное заболевание Covid-19 на основании необходимости искусственной вентиляции легких во время госпитализации; этот критерий использовался для учета возможности отсроченного клинического ухудшения после госпитализации.

Функциональный результат при выписке из больницы был извлечен из документации врача терапевтической и реабилитационной медицины с использованием модифицированной шкалы Рэнкина (mRS), классифицированной как: mRS 0–2, способность самостоятельно заниматься своими делами; mRS 3, ходит без посторонней помощи, но нуждается в помощи в личных делах; mRS 4–5, не может передвигаться без посторонней помощи и нуждается в помощи для ухода за телом; и mRS 6, смерть. Баллы по шкале MRS при выписке определялись независимо двумя рецензентами, и разногласия разрешались большинством голосов после рассмотрения (EML).

статистический анализ

Данные были суммированы как количество пациентов (частота), среднее значение (стандартное отклонение) для нормально распределенных переменных и медиана (межквартильный диапазон [IQR]) для переменных с ненормальным распределением. Связи оценивались с помощью точного критерия Фишера, критерия ранговой корреляции Спирмена и критерия суммы рангов Вилкоксона. Модели бинарной логистической регрессии были разработаны для определения скорректированных предикторов: (1) наличия каких-либо неврологических проявлений, (2) наличия энцефалопатии и (3) благоприятного функционального исхода при выписке (mRS 0–2). В каждом случае мы сначала разработали модель, используя априорный переменные, основанные на биологическом правдоподобии и обзоре недавней литературы по Covid-19. Затем мы разработали модели с использованием априорный переменные плюс дополнительные переменные, однозначно связанные с результатом модели на P ≤ 0.15 и не сильно коллинеарен с уже включенной переменной. Чтобы избежать переобучения моделей под данные, мы использовали алгоритм обратного выбора переменных, основанный на оптимизации информационных критериев Акаике, чтобы разработать окончательный вариант. скупо скорректированный модели. Подробная информация о априорный и экономный модели, в том числе априорный переменные для каждой модели включены в Таблицу S2. Мы также разработали априорный модель бинарной логистической регрессии для ассоциации между энцефалопатией и 30-дневной смертностью с поправкой на возраст, тяжелую болезнь Covid-19 и госпитализацию в AMC; ограниченное число случаев смерти пациентов не позволило включить дополнительные переменные для корректировки. Двусторонний P ≤ 0.05 считалось значимым, и все анализы были выполнены в R версии 3.5.0 (R Foundation for Statistical Computing, Вена, Австрия).

Результаты

Частота неврологических проявлений

В исследование было включено 509 последовательных пациентов (возраст 58.5 ± 16.9 года, 281 (55.2%) мужчина), и 134 (26.3%) пациентов имели тяжелый Covid-19, требующий искусственной вентиляции легких. Неврологические проявления присутствовали в начале заболевания Covid-19 у 215 пациентов (42.2%), при поступлении в больницу у 319 пациентов (62.7%) и в любое время в течение болезни у 419 пациентов (82.3%). Наиболее частыми неврологическими проявлениями были миалгии (228, 44.8%), головные боли (192, 37.7%), энцефалопатия (162, 31.8%), головокружение (151, 29.7%), дисгевзия (81, 15.9%) и аносмия (58). , 11.4%). Кроме того, часто были сообщения об общей усталости (214 [42.9%] пациентов) в начале и в любое время во время болезни Covid-19 (404 [79.4%] пациентов). Клинические характеристики пациентов с неврологическими проявлениями или энцефалопатией и без них приведены в таблице. 1. Пациенты с какими-либо неврологическими проявлениями были моложе, чем пациенты без них (57.53 [16.31] против 62.98 [18.97] лет; P = 0.005) и имели более длительное время от начала COVID до госпитализации (7 [4, 10] против 5 [2, 9] дней; P = 0.003). Напротив, пациенты с энцефалопатией были старше, чем пациенты без энцефалопатии (65.51 [16.54] против 55.22 [16.10] лет; P <0.001), время от начала COVID до госпитализации было меньше (6 [3, 9] против 7 [4, 10] дней; P = 0.014), с большей вероятностью были мужчинами и имели в анамнезе какие-либо неврологические расстройства, рак, цереброваскулярные заболевания, хроническое заболевание почек, диабет, дислипидемию, сердечную недостаточность, гипертонию и курение в оценках без многофакторной корректировки. Не было различий в использовании ингибиторов ангиотензинпревращающего фермента (АПФ), блокаторов рецепторов ангиотензина 2 (БРА), кортикостероидов или иммунодепрессантов до госпитализации у пациентов с неврологическими проявлениями или энцефалопатией и без них (таблица S1).

...

Обсуждение

Это исследование подчеркивает высокую частоту и диапазон неврологических проявлений, которые произошли у более чем четырех пятых пациентов с Covid-19, госпитализированных в нашу сеть больниц. Эти результаты расширяют данные о неврологических проявлениях у 36.4% госпитализированных пациентов с Covid-19 в Китае и 57.4% в Европе.1617, хотя и с повышенной распространенностью в нашей когорте США. Различия в частотах могут быть вызваны генетическими факторами, включая полиморфизм экспрессии вирусного рецептора ангиотензин-превращающего фермента 2 (ACE 2) в нервной системе и, возможно, вариациями штамма SARS-CoV-2.18 Кроме того, наша больничная сетевая система никогда не подвергалась нагрузкам сверх ее возможностей из-за подготовки к перенапряжению, и у большинства пациентов было заболевание средней степени тяжести, и только у четверти пациентов развился тяжелый респираторный дистресс, требующий механической вентиляции.19 Это могло позволить более детальную оценку и идентификацию неврологических проявлений.

Тот факт, что любые неврологические проявления в целом чаще возникали у молодых людей, удивителен и потенциально может быть объяснен большим клиническим акцентом на риске дыхательной недостаточности, чем другие симптомы у пожилых пациентов. С другой стороны, ранние неврологические проявления, такие как миалгия, головная боль или головокружение, могли потребовать более ранней медицинской помощи. Напротив, энцефалопатия чаще встречалась у пожилых пациентов. Факторы риска энцефалопатии также включали тяжелое заболевание Covid-19 и любые неврологические расстройства или хроническое заболевание почек в анамнезе. Это согласуется с недавней литературой, в которой указывается более высокий уровень смертности у пациентов с Covid-19 с ранее существовавшими хроническими неврологическими расстройствами.20

Повышенная заболеваемость и смертность, связанные с энцефалопатией, независимо от тяжести респираторных заболеваний, параллельны предыдущей литературе по сепсис-ассоциированной энцефалопатии и связанной с делирием смертности.1121 и подчеркивает его актуальность в отношении Covid ‐ 19. Мы также обнаружили, что энцефалопатия при Covid-19 была связана с утроением продолжительности пребывания в больнице. Широкое признание и скрининг энцефалопатии как фактора, влияющего на тяжесть заболевания при Covid-19, могут быть полезны при распределении ресурсов и потенциале для улучшения результатов лечения пациентов. Кроме того, наши результаты подчеркивают более широкую необходимость в разработке вмешательств, направленных на энцефалопатию как компонент соматического заболевания, связанного со многими органами.

Прочитайте полную историю здесь…




Исследование CDC: подавляющее большинство пациентов с COVID носили маски

Строгое заключение состоит в том, что те, кто носит маски, с гораздо большей вероятностью заразятся COVID-19 или, в этом отношении, любым коронавирусом. Маска концентрирует вирусную нагрузку в тканях носа, глаз и легких.

Доктор Рассел Блейлок, сертифицированный нейрохирург, всегда считал, что циркуляция воздуха и вентиляция являются лучшими факторами окружающей среды для сдерживания заражения. Ношение маски - полная противоположность. ⁃ Редактор TN

Центры по контролю за заболеваниями сообщать выпущенный в сентябре, показывает, что маски и маски для лица неэффективны для предотвращения распространения COVID-19 даже для тех людей, которые их постоянно носят.

Исследование, проведенное в США в июле, показало, что при сравнении 154 «больных» с положительным результатом на COVID-19 с контрольной группой из 160 участников из медицинских учреждений, у которых были симптомы, но результаты оказались отрицательными, - более 70 процентов. заболевших были заражены вирусом и заболели, несмотря на то, что «всегда» носили маску.

«За 14 дней до начала болезни 71% больных и 74% участников контрольной группы сообщили, что всегда использовали тканевые маски для лица или другие типы масок в общественных местах», - говорится в отчете.

Кроме того, более 14 процентов заболевших заявили, что они «часто» носили маски для лица и все еще были инфицированы вирусом. Исследование также показывает, что менее 4 процентов заболевших заболели вирусом, даже если они «никогда» не носили маски или маску для лица.

Несмотря на то, что более 70 процентов участников-пациентов стараются следовать Рекомендации CDC обязавшись всегда носить маски для лица на «собраниях с участием ≤10 или> 10 человек в доме; поход по магазинам; обед в ресторане; посещение офиса, салона красоты, тренажерного зала, бара / кафе или церкви / религиозного собрания; или пользуясь общественным транспортом », они все же заразились вирусом.

Хотя в исследовании отмечается, что некоторые из этих людей могли заразиться вирусом после того, как они сняли маску, чтобы поесть или выпить в «местах, где есть или пить на месте», CDC признает, что нет успешного способа оцените, был ли это точный момент, когда кто-то стал известен и заразился вирусом.

«Характеристика воздействия на сообщества может быть трудной для оценки, когда происходит широко распространенная передача, особенно от бессимптомных людей в пределах изначально взаимосвязанных сообществ», - говорится в отчете.

Фактически, в отчете говорится, что «направление, вентиляция и интенсивность воздушного потока могут повлиять на передачу вируса, даже если меры социального дистанцирования и использование масок будут осуществляться в соответствии с действующими рекомендациями».

Прочитайте полную историю здесь…




Математики призывают к прекращению использования искусственного интеллекта для прогнозирования преступлений

Использование ИИ правоохранительными органами для определения того, где и кем будут совершаться преступления, невероятно опасно для свободного общества и представляет собой немногим больше, чем использование хрустального шара или карт Таро. Тысячи математиков призывают положить этому конец. ⁃ Редактор TN

После шквала случаев жестокого обращения со стороны полиции в этом году и протестов, захлестнувших улицы США, тысячи математиков присоединились к ученым и инженерам. вызова за бойкотирование использования искусственного интеллекта правоохранительными органами.

Более 2,000 математиков подписали письмо призывая бойкотировать любое сотрудничество с полицией и предлагая своим коллегам сделать то же самое в будущей публикации Американского математического общества, Теневой сообщается.

Призывом к действию для математиков послужили убийства полицией Джорджа Флойда, Тони Макдейда, Бреонны Тейлор и многих других только в этом году.

В какой-то момент мы все достигаем критической точки, когда то, что находится прямо перед нашими глазами, становится более очевидным », - говорит Джаядев Атрейя, участник бойкота и доцент математики Вашингтонского университета. «По сути, это вопрос справедливости».

Математики написали открытое письмо, собрав тысячи подписей за широкомасштабный бойкот полиции с использованием алгоритмов полицейской деятельности. Каждый математик в сети группы клянется отказаться от любого сотрудничества с правоохранительными органами.

Группа собирает широкую базу математиков в надежде отрезать полиции от использования таких технологий. Авторы письма ссылаются на «глубокую озабоченность по поводу использования машинного обучения, искусственного интеллекта и технологий распознавания лиц для оправдания и увековечения притеснений».

Предсказательная работа полиции - одна из ключевых областей, в которой некоторые математики и ученые задействовали расистские алгоритмы, которые предписывают полицейским рассматривать определенные области как «горячие точки» для потенциальных преступлений. Активисты и организации давно критикуют предвзятость этой практики. Алгоритмы, обученные на данных, полученных в результате работы полиции на почве расизма, будут воспроизводить это предубеждение, чтобы «предсказать», где будет совершено преступление и кто потенциально является преступником.

«Данные не говорят сами за себя, они не нейтральны», - объясняет Брендан Маккуэйд, автор книги «Умиротворение родины: слияние разведки и массовый надзор». Данные полиции - это «грязные данные», потому что они отражают не преступление, а деятельность полиции и аресты.

«Так что же его предсказания найдут? Эта полиция должна размещать свои ресурсы в том же месте, где полиция традиционно размещала свои ресурсы ».

Считается, что несколько, если не все, штаты и крупные города США используют тот или иной тип программного обеспечения для прогнозирования полицейской деятельности или предотвращения преступлений с известными пользователями, включая Чикаго, Атланту, Такому, Нью-Йорк и Лос-Анджелес, хотя и не без протеста против его использования. Как Активист сообщение предварительно сообщает, многие из этих штатов используют программное обеспечение Palantir для своих алгоритмов прогнозирования преступлений и были разоблачены за это, как Флорида, полиция которой терроризировала и контролировала жителей округа Паско.

Эти полицейские организации по всей территории США годами используют так называемые «списки рассылки» или базы данных до преступления. Вы спросите, что такое «список участников забега»?

Что ж, «списки забегов» - это в основном базы данных, составленные алгоритмами людей, которые подозреваемый может совершить преступление. Да, вы правильно прочитали - человек, который может быть совершить преступление. Как формируются эти списки и какие факторы определяют «возможность совершения преступления», неизвестно.

Прочитайте полную историю здесь…