Manifestations and impact of the COVID‐19 pandemic in neuroinflammatory diseases
Notice bibliographique
Résumé
Abstract Objective To report initial results of a planned multicenter year‐long prospective study examining the risk and impact of COVID‐19 among persons with neuroinflammatory disorders (NID), particularly multiple sclerosis (MS). Methods In April 2020, we deployed online questionnaires to individuals in their home environment to assess the prevalence and potential risk factors of suspected COVID‐19 in persons with NID (PwNID) and change in their neurological care. Results Our cohort included 1115 participants (630 NID, 98% MS; 485 reference) as of 30 April 2020. 202 (18%) participants, residing in areas with high COVID‐19 case prevalence, met the April 2020 CDC symptom criteria for suspected COVID‐19, but only 4% of all participants received testing given testing shortages. Among all participants, those with suspected COVID‐19 were younger, more racially diverse, and reported more depression and liver disease. PwNID had the same rate of suspected COVID‐19 as the reference group. Early changes in disease management included telemedicine visits in 21% and treatment changes in 9% of PwNID. After adjusting for potential confounders, increasing neurological disability was associated with a greater likelihood of suspected COVID‐19 (OR adj = 1.45, 1.17–1.84). Interpretations Our study of real‐time, patient‐reported experience during the COVID‐19 pandemic complements physician‐reported MS case registries which capture an excess of severe cases. Overall, PwNID seem to have a risk of suspected COVID‐19 similar to the reference population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».