Reducing fatigue-related symptoms in Long COVID-19: a preliminary report of a lymphatic drainage intervention
Notice bibliographique
Résumé
Introduction In the early days of the first global wave of the COVID-19 pandemic, the potential for a postviral syndrome to manifest following COVID-19 infection was first recognized. Here, we present an analysis of a case series of the first 20 patients’ data collected in clinical practice to evaluate the potential of a possible alternative treatment for Long COVID. Methods Face-to-face treatment sessions with Perrin techniqueTM practitioners occurred weekly involving effleurage/other manual articulatory techniques. The individuals being treated also undertook daily self-massage along with gentle mobility exercises. Patients recorded symptom severity using the self-report 54-item profile of fatigue-related states (PFRS) before and after treatment. Results The mean age of male patients was 41.8 years (range, 29–53 years), and for female patients, 39.3 years (range, 28–50 years). None of the participants had a prior diagnosis of chronic fatigue syndrome, and all were new attendees to the clinics at the time of initial assessment. The average number of treatment sessions was 9.7 in men and 9.4 in women. The reduction in PFRS scores was 41.8% in men and 60.5% in women. The highest subscale scores on average were for fatigue, with the lowest for somatic symptoms. All subscale scores showed, on average, a similar reduction of approximately 50% postintervention, with the reduction in score relating to a decrease in the severity of symptoms. Conclusion Our findings suggest that a specific manual lymphatic drainage intervention may help to reduce fatigue symptoms related to Long COVID, perhaps preventing acute symptoms through early intervention.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».