The effect of SARS-CoV-2 on the nervous system: a review of neurological impacts caused by human coronaviruses
Notice bibliographique
Résumé
The COVID-19 pandemic has affected millions of people worldwide. While coronaviruses typically have low rates of neurotropic effects, the massive transmission of SARS-CoV-2 suggests that a substantial population will suffer from potential SARS-CoV-2-related neurological disorders. The rapid and recent emergence of SARS-CoV-2 means little research exists on its potential neurological effects. Here we analyze the effects of similar viruses to provide insight into the potential effects of SARS-CoV-2 on the nervous system and beyond. Seven coronavirus strains (HCoV-OC43, HCoV-HKU1, HCoV-229E, HCoV-NL63, SARS-CoV, MERS-CoV, SARS-CoV-2) can infect humans. Many of these strains cause neurological effects, such as headaches, dizziness, strokes, seizures, and critical illness polyneuropathy/myopathy. Certain studies have also linked coronaviruses with multiple sclerosis and extensive central nervous system injuries. Reviewing these studies provides insight into the anticipated effects for patients with SARS-CoV-2. This review will first describe the effects of other coronaviruses that have caused severe disease (SARS-CoV, MERS-CoV) on the nervous system, as well as their proposed origins, non-neurological effects, and neurological infection mechanisms. It will then discuss what is known about SARS-CoV-2 in these areas with reference to the aforementioned viruses, with the goal of providing a holistic picture of SARS-CoV-2.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».