Long-Term Consequences of COVID-19 at 6 Months and Above: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
We aimed to review the data available to evaluate the long-term consequences of coronavirus disease 2019 (COVID-19) at 6 months and above. We searched relevant observational cohort studies up to 9 February 2022 in Pubmed, Embase, and Web of Science. Random-effects inverse-variance models were used to evaluate the Pooled Prevalence (PP) and its 95% confidence interval (CI) of long-term consequences. The Newcastle−Ottawa quality assessment scale was used to assess the quality of the included cohort studies. A total of 40 studies involving 10,945 cases of severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) infection were included. Of the patients, 63.87% had at least one consequence at the 6 month follow-up, which decreased to 58.89% at 12 months. The most common symptoms were fatigue or muscle weakness (PP 6−12 m = 54.21%, PP ≥ 12 m = 34.22%) and mild dyspnea (Modified Medical Research Council Dyspnea Scale, mMRC = 0, PP 6−12 m = 74.60%, PP ≥ 12 m = 80.64%). Abnormal computerized tomography (CT; PP 6−12 m = 55.68%, PP ≥ 12 m = 43.76%) and lung diffuse function impairment, i.e., a carbon monoxide diffusing capacity (DLCO) of < 80% were common (PP 6−12 m = 49.10%, PP ≥ 12 m = 31.80%). Anxiety and depression (PP 6−12 m = 33.49%, PP ≥ 12 m = 35.40%) and pain or discomfort (PP 6−12 m = 33.26%, PP ≥ 12 m = 35.31%) were the most common problems that affected patients’ quality of life. Our findings suggest a significant long-term impact on health and quality of life due to COVID-19, and as waves of ASRS-CoV-2 infections emerge, the long-term effects of COVID-19 will not only increase the difficulty of care for COVID-19 survivors and the setting of public health policy but also might lead to another public health crisis following the current pandemic, which would also increase the global long-term burden of disease.
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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».