MétaCan
Menu
Retour à la cohorte
Enregistrement W3135519631 · doi:10.1186/s42466-021-00116-1

Neurological symptoms in COVID-19: a cross-sectional monocentric study of hospitalized patients

2021· article· en· W3135519631 sur OpenAlexaboutno aff
Ummehan Ermis, Marcus Immanuel Rust, Julia Bungenberg, Ana Sofia Costa, Michael Dreher, Paul Balfanz, Gernot Marx, Martin Wiesmann, Kathrin Reetz, Simone C. Tauber, Jörg B. Schulz

Notice bibliographique

RevueNeurological Research and Practice · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineARDSLumbar puncturePediatricsCerebrospinal fluidParesisMontreal Cognitive AssessmentHyposmiaAnesthesiaInternal medicineDementiaDiseaseCoronavirus disease 2019 (COVID-19)SurgeryLung

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The SARS-Coronavirus-2 (SARS-CoV-2) invades the respiratory system, causing acute and sometimes severe pulmonary symptoms, but turned out to also act multisystematically with substantial impact on the brain. A growing number of studies suggests a diverse spectrum of neurological manifestations. To investigate the spectrum of symptoms, we here describe the neurological manifestations and complications of patients with proven SARS-CoV-2 infection who have been hospitalized at the RWTH University Hospital Aachen, Germany. METHODS: Between March and September 2020, we evaluated common symptoms, clinical characteristics, laboratory (including cerebrospinal fluid (CSF) analysis), radiological, and electroencephalography (EEG) data from 53 patients admitted with a positive SARS-CoV-2 polymerase chain reaction (PCR). We used the Montreal Cognitive Assessment Test (MoCA) to screen for cognitive impairment, when feasible. We compared critically ill and non-critically ill patients categorized according to the presence of Acute Respiratory Distress Syndrome (ARDS). RESULTS: Major clinical neurological features of hospitalized COVID-19 patients were coordination deficits (74%), cognitive impairment (61.5%), paresis (47%), abnormal reflex status (45%), sensory abnormalities (45%), general muscle weakness and pain (32%), hyposmia (26%), and headache (21%). Patients with ARDS were more severely affected than non-ADRS patients. 29.6% of patients with ARDS presented with subarachnoid bleedings, and 11.1% showed ischemic stroke associated with SARS-CoV-2 infection. Cognitive deficits mainly affected executive functions, attention, language, and delayed memory recall. We obtained cerebrospinal fluid (CSF) by lumbar puncture in nine of the 53 patients, none of which had a positive SARS-CoV-2 PCR. CONCLUSIONS: In line with previous findings, our results provide evidence for a range of SARS-CoV-2-associated neurological manifestations. 26% of patients reported hyposmia, emphasizing the neuro-invasive potential of SARS-CoV-2, which can enter the olfactory bulb. It can therefore be speculated that neurological manifestations may be caused by direct invasion of the virus in the CNS; however, PCR did not reveal positive intrathecal SARS-CoV-2. Therefore, we hypothesize it is more likely that the para-infectious severe pro-inflammatory impact of COVID-19 is responsible for the neurological deficits including cognitive impairment. Future studies with comprehensive longitudinal assessment of neurological deficits are required to determine potential long-term complications of COVID-19.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,462
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurological Research and PracticeMême sujetLong-Term Effects of COVID-19Travaux en français237 207