Changes in Electrical Brain Activity and Cognitive Functions Following Mild to Moderate COVID-19: A one-Year Prospective Study After Acute Infection
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) can disrupt various brain functions. Over a one-year period, we aimed to assess brain activity and cognitive function in 53 COVID-19 patients and 30 individuals without COVID-19 (or asymptomatic). The Montreal Cognitive Assessment, Trail Making Test Parts A and B (TMT-A and B), and Digit Span Test were used to assess cognitive function. Cognitive variables and electroencephalography (EEG) data (activity, mobility, and complexity) were compared between the groups at rest and during cognitive demand (F3-F7, Fz-F3, Fz-F4, and F4-F8). There was a reduction in F3-F7 activity during the TMT-B in the COVID-19 group at 6-12 months compared to the controls (p = 0.01) at baseline (p = 0.03), a reduction in signal complexity at F3-F7 at rest in the COVID-19 group at baseline and 6-12 months compared to the controls (p < 0.001), and a reduction in Fz-F4 activity at rest from 6-12 months in the post-COVID group compared to baseline (p = 0.02) and 3-6 months (p = 0.04). At 6-12 months, there was a time increase in TMT-A in the COVID-19 group compared to that in the controls (p = 0.04). Some correlations were found between EEG data and cognitive test in both groups. In conclusion, there was a reduction in brain activity at rest in the Fz-F4 areas and during high cognitive demands in the F3-F7 areas. A reduction in signal complexity in F3-F7 at rest was found in the COVID-19 group at 6-12 months after acute infection. Furthermore, individuals with COVID-19 experience long-term changes in cognitive function.
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 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».