A new predictive model helps identify those at risk for seve

 E-Mail
Researchers at the Buck Institute analyzed data from the COVID-19 Symptom Tracker app used by 3 million people in the United Kingdom, adding the use of immunosuppressant medication, use of a mobility aid, shortness of breath, fever, and fatigue to the list of symptoms and comorbidities that increase the risk for severe COVID-19. Results are published in the
"Even though there are established risk factors for severe COVID-19 there are no good predictors that enable healthcare providers, or even those who have tested positive, to assess who should seek advanced medical care," says Buck Institute Associate Professor David Furman, PhD, the senior scientist who led the study. "We are glad to add to the efforts underway around the world to determine how to best care for those infected by the coronavirus."

Related Keywords

United Kingdom , London , City Of , Kari Nadeau , Eric Verdin , Dina Radenkovic , Kevin Perez , Yingxiang Huang , King College London , Buck Institute Associate Professor David Furman , Buck Institute , Other Buck Institute , Journal Of Medical Internet Research , Stanford University , Medical Internet , Seeking Treatment , Modeling Predictive Age Dependent , Independent Symptoms , College London , Palo Alto , Virology , Medicine Health , Diagnostics , Epidemiology , Infectious Emerging Diseases , Bioinformatics , ஒன்றுபட்டது கிஂக்டம் , லண்டன் , நகரம் ஆஃப் , காரி நாடிெஓ , எரிக் வெர்டின் , கெவின் பெரெஸ் , கிங் கல்லூரி லண்டன் , பக் நிறுவனம் இணை ப்ரொஃபெஸர் டேவிட் ஃபர்மேன் , பக் நிறுவனம் , அதர் பக் நிறுவனம் , இதழ் ஆஃப் மருத்துவ இணையதளம் ஆராய்ச்சி , ஸ்டான்போர்ட் பல்கலைக்கழகம் , மருத்துவ இணையதளம் , தேடுவது சிகிச்சை , மாடலிங் ப்ரிடிக்டிவ் வாழ்நாள் சார்ந்தது , சுயாதீனமான அறிகுறிகள் , கல்லூரி லண்டன் , பாலோ ஆல்டோ , வைராலஜி , மருந்து ஆரோக்கியம் , பரிசோதனை , தொற்றுநோய் , தொற்று வளர்ந்து வருகிறது நோய்கள் , உயிர் தகவலியல் ,