Neuropsychological disorders after COVID-19. Urgent need for research and clinical practice
Notice bibliographique
Résumé
Purpose: Numerous studies suggest that infection with coronavirus SARS-CoV-2, which causes acute respiratory distress syndrome and COVID-19 illness, can lead to changes in the central nervous system (CNS). Consequently, some individuals with SARS-CoV-2 infection may also present the symptoms of neuropsychological disorders. The goals of this literature review is the synthesis of various perspectives and up-to-date scientific knowledge as well as the formulation of initial recommendations for clinical practice. Views: According to current state of knowledge, numerous SARS-CoV-2 infection-specific and nonspecific risk factors exist for brain damage, which might lead to neuropsychological impairments in individuals who have recovered from COVID-19. The emerging evidence suggests significant behavioral and cognitive deficits in COVID-19 survivors, which are present in the early phase after recovery and persist for several months. Neuropsychological disturbances can potentially include a wide spectrum of disorders, yet deficits of attention, memory, executive functions, language and visuospatial orientation are among most commonly identified. The relationship between cognitive impairment, emotional disturbances and severity of COVID-19 symptoms needs to be submitted to further research. Conclusions: The scientific knowledge resulting from neuropsychological empirical studies during the COVID-19 pandemic allows for a postulate of an urgent evidence-based systematic neuropsychological research to be conducted among COVID-19 survivors. More than anything, the recovered individuals must be provided with adequate neuropsychological help in the form of neuropsychological diagnosis, monitoring and rehabilitation.
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 | 0,017 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».