Hyperbaric oxygen therapy for the treatment of long COVID: early evaluation of a highly promising intervention
Notice bibliographique
Résumé
BACKGROUND: Long COVID is a common occurrence following COVID-19 infection. The most common symptom reported is fatigue. Limited interventional treatment options exist. We report the first evaluation of hyperbaric oxygen therapy (HBOT) for long COVID treatment. METHODS: A total of 10 consecutive patients received 10 sessions of HBOT to 2.4 atmospheres over 12 days. Each treatment session lasted 105 minutes, consisting of three 30-minute exposures to 100% oxygen, interspersed with 5-minute air breaks. Validated fatigue and cognitive scoring assessments were performed at day 1 and 10. Statistical analysis was with Wilcoxon signed-rank testing reported alongside effect sizes. RESULTS: HBOT yielded a statistically significant improvement in the Chalder fatigue scale (p=0.0059; d=1.75 (very large)), global cognition (p=0.0137; d=-1.07 (large)), executive function (p=0.0039; d=-1.06 (large)), attention (p=0.0020; d=-1.2 (very large)), information processing (p=0.0059; d=-1.25 (very large)) and verbal function (p=0.0098; d=-0.92 (large)). CONCLUSION: Long COVID-related fatigue can be debilitating, and may affect young people who were previously in economic employment. The results presented here suggest potential benefits of HBOT, with statistically significant results following 10 sessions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».