Fatigue Symptoms Associated With COVID-19 in Convalescent or Recovered COVID-19 Patients; a Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: The prevalence and prognosis of post-acute stage SARS-CoV-2 infection fatigue symptoms remain largely unknown. AIMS: We performed a systematic review to evaluate the prevalence of fatigue in post-recovery from SARS-CoV-2 infection. METHOD: Medline, Embase, PsycINFO, CINAHL, Web of Science, Scopus, trial registries, Cochrane Central Register of Controlled Trials, and Google Scholar were searched for studies on fatigue in samples that recovered from polymerase chain reaction (PCR) diagnosed COVID-19. English, French, and Spanish studies were included. Meta-analyses were conducted separately for each recruitment setting. RESULTS: We identified 41 studies with 9,362 patients that recovered from COVID-19. Post-COVID-19 patients self-report of fatigue was higher compared to healthy controls (risk ratio (RR) = 3.688, 95%CI [2.502, 5.436], p < .001). Over 50% of patients discharged from inpatient care reported symptoms of fatigue during the first (event rate [ER] = 0.517, 95%CI [0.278, 0.749]) and second month following recovery (ER = 0.527, 95%CI [0.337, 0.709]). Ten percent of the community patients reported fatigue in the first-month post-recovery. Patient setting moderated the association between COVID-19 recovery and fatigue symptoms (R2 = 0.11, p < .001). Female patients recovering from COVID-19 had a greater self-report of fatigue (odds ratio [OR] = 1.782, 95%CI [1.531, 2.870]). Patients recruited through social media had fatigue above 90% across multiple time points. Fatigue was highest in studies from Europe. CONCLUSION: Fatigue is a symptom associated with functional challenges which could have economic and social impacts. Developing long-term planning for fatigue management amongst patients beyond the acute stages of SARS-CoV-2 infection is essential to optimizing patient care and public health outcomes. Further studies should examine the impact of sociodemographic, pandemic-related restrictions and pre-existing conditions on fatigue.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».