Cognitive impairments in patients after COVID-19
Notice bibliographique
Résumé
The purpose — to assess the severity of cognitive deficit in patients with previous COVID-19. Material and methods. We examined 20 patients after COVID-19 hospitalized in the Pulmonology Department of Republic Clinical Hospital of the Republic of Tatarstan. All patients underwent general clinical and laboratory examination, computed tomography of the lungs, and tests with a 6-minute walk. To assess the severity of dyspnea, we used the MMRS questionnaire and the Borg scale. We used the Montreal Cognitive Assessment Scale (MoCA), the Mini-Cog test, and the MMSE to identify cognitive functions. Results. After analyzing the data of patients with mild severity (CT 1), we found that cognitive functions and the volume of lung lesions did not have a significant relationship. In patients with large lung lesions (CT 2–4), there was a correlation between the detection rate and the percentage of frosted glass detection on the one hand and the results of the MiniCog test, on the other (r = -0,69 and r = -0,93). Also, in this group of patients, we found a strong positive correlation (r = -0,8) between the frosted glass ratio and the Borg score at rest. It shows that patients with smaller changes in the lungs assess the dyspnea severity more correctly. Conclusion. Patients after COVID-19 have cognitive impairments of varying severity. In the group of patients with more severe lung damage (CT 2–4), there are changes in cognitive functions that correlate with the functional status of the patient.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».