Prevalence of Long COVID symptoms in Bangladesh: A Prospective Inception Cohort Study of COVID-19 survivors
Notice bibliographique
Résumé
Abstract Objective The objective of this study was to identify the prevalence of ‘Long COVID’ symptoms (LCS) in a large cohort of survivors and identify any potential associated risk factors. Design A prospective survey was undertaken of an inception cohort of confirmed COVID-19 survivors (Aged 18 to 87 years). Participants and Setting 14392 participants were recruited from 24 testing facilities across Bangladesh between June, and November 2020. All participants had a previously confirmed positive COVID-19 diagnosis, and reported persistent symptoms and difficulties in performing daily activities. Main Outcome Measures Participants who consented, were contacted by face-to-face interview, and were interviewed regarding LCS, and restriction of activities of daily living using Post COVID-19 functional scale. Cardio-respiratory parameters were also measured. Results Among 2198 participants, the prevalence of LCS at 12 weeks was 16.1%. Overall, eight LCS were identified and in descending order of prominence are: fatigue, pain, dyspnea, cough, anosmia, appetite loss, headache, and chest pain. COVID survivors experienced between 1 to 5 LCS with an overall duration period of 21.8 ± 5.2 weeks. SEM predicted the length of LCS to be related to younger age, female gender, rural residence, prior functional limitation and smoking. Conclusion In this cohort of survivors, at 31 weeks post diagnosis, the prevalence of LCS was 16.1%. The risk factors identified for presence and longer length of LCS warrant further research and consideration to support public health initiatives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».