Rational use of chest ultrasound to confront COVID-19

Neto, Miguel José Francisco; Queiroz, Marcos Roberto Gomes de

doi:10.1590/0100-3984.2020.53.5e3

Cited by 4 publications

(1 citation statement)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…O ano de 2020, com o surgimento da pandemia de COVID-19 causada pelo vírus SARS-CoV-2, representou um dos maiores desafios da história da humanidade. Originada em Wuhan, na China, em dezembro de 2019, esta doença vem ocasionando milhões de infectados em todos os continentes e determinando efeitos devastadores tanto na área da saúde como na economia global (Neto & Queiroz, 2020).…”

Section: Introductionunclassified

O desafio do cuidado do enfermeiro ao paciente com lesão musculoesquelética que vivencia a COVID-19: relato de experiência

Domenis

Daher

Almeida

et al. 2021

RSD

View full text Add to dashboard Cite

Objetivo: Relatar sobre o cuidado do enfermeiro ao paciente com lesão musculoesquelética que vivencia a COVID-19. Metodologia: Abordagem qualitativa descritiva do tipo relato de experiência ocorrido entre os meses de março a julho de 2020, em um instituto nacional de referência para tratamento de Traumatologia e Ortopedia, localizado na cidade do Rio de Janeiro. Resultados e Discussão: A experiência pôde ser narrada por meio de três temas: Fluxo de atendimento e o perfil de pacientes atendidos; Complexidade do atendimento ao paciente com lesão musculoesquelética que vivencia a COVID-19; Novos desafios para a enfermagem ortopédica gerados pela pandemia da COVID-19.Conclusão: Na perspectiva da singularidade do cuidado, considerou-se complexo e desafiador cuidar dos pacientes que vivenciam, duplamente, a lesão musculoesquelética e a COVID-19. Uma assistência de enfermagem especializada durante o tratamento mostrou-se imprescindível à medida que a ação do enfermeiro gera um forte elo com os pacientes, reforçando a adesão ao tratamento e contribuindo na redução dos quadros de complicações decorrentes da infecção por coronavírus.

show abstract

Section: Introductionunclassified

O desafio do cuidado do enfermeiro ao paciente com lesão musculoesquelética que vivencia a COVID-19: relato de experiência

Domenis

Daher

Almeida

et al. 2021

RSD

View full text Add to dashboard Cite

show abstract

Padrões tomográficos de agentes etiológicos da pneumonia durante o primeiro ano após transplante renal

et al. 2022

View full text Add to dashboard Cite

Resumo Objetivo: Avaliar os padrões tomográficos relacionados aos agentes etiológicos da pneumonia em pacientes durante o primeiro ano após transplante renal. Materiais e Métodos: Foram analisados dados de prontuários de 956 pacientes submetidos a transplante renal, no período de 2013 a 2018, em um centro transplantador renal do nordeste do Brasil. Nos pacientes que desenvolveram pneumonia, os agentes etiológicos foram classificados em bactérias piogênicas, micobactérias, fungos, vírus e pneumonia polimicrobiana, enquanto os padrões tomográficos foram classificados em consolidação, broncopneumonia, pneumonia intersticial e nódulos e massas. Para verificar associação estatística entre micro-organismos e padrões tomográficos, foi utilizado o teste exato de Fisher, com p < 0,001. Resultados: Foram encontrados 101 casos de pneumonia, dos quais 60 (59,4%) tiveram agente etiológico identificado, sendo as bactérias piogênicas as mais frequentes, detectadas em 22 (36,7%) dos casos. Entre os pacientes com agente causal identificado, o padrão tomográfico predominante foi o de nódulos e massas, identificado em 25 (41,7%) casos. Foi observada associação entre bactérias piogênicas e o padrão de consolidação, fungos com nódulos e massas, bem como entre agentes virais e padrão intersticial. Conclusão: Foi demonstrada associação estatística entre micro-organismos causadores de pneumonia e padrões tomográficos, informação que pode contribuir para o planejamento da terapia de pacientes transplantados renais.

show abstract

Pulmonary COVID-19: Learning Spatiotemporal Features Combining CNN and LSTM Networks for Lung Ultrasound Video Classification

Barros

Lacerda

Albuquerque

et al. 2021

Sensors

View full text Add to dashboard Cite

Deep Learning is a very active and important area for building Computer-Aided Diagnosis (CAD) applications. This work aims to present a hybrid model to classify lung ultrasound (LUS) videos captured by convex transducers to diagnose COVID-19. A Convolutional Neural Network (CNN) performed the extraction of spatial features, and the temporal dependence was learned using a Long Short-Term Memory (LSTM). Different types of convolutional architectures were used for feature extraction. The hybrid model (CNN-LSTM) hyperparameters were optimized using the Optuna framework. The best hybrid model was composed of an Xception pre-trained on ImageNet and an LSTM containing 512 units, configured with a dropout rate of 0.4, two fully connected layers containing 1024 neurons each, and a sequence of 20 frames in the input layer (20×2018). The model presented an average accuracy of 93% and sensitivity of 97% for COVID-19, outperforming models based purely on spatial approaches. Furthermore, feature extraction using transfer learning with models pre-trained on ImageNet provided comparable results to models pre-trained on LUS images. The results corroborate with other studies showing that this model for LUS classification can be an important tool in the fight against COVID-19 and other lung diseases.

show abstract

Rational use of chest ultrasound to confront COVID-19

Cited by 4 publications

References 17 publications

O desafio do cuidado do enfermeiro ao paciente com lesão musculoesquelética que vivencia a COVID-19: relato de experiência

O desafio do cuidado do enfermeiro ao paciente com lesão musculoesquelética que vivencia a COVID-19: relato de experiência

Padrões tomográficos de agentes etiológicos da pneumonia durante o primeiro ano após transplante renal

Pulmonary COVID-19: Learning Spatiotemporal Features Combining CNN and LSTM Networks for Lung Ultrasound Video Classification

Contact Info

Product

Resources

About