Changes in Electrical Brain Activity and Cognitive Functions Following Mild to Moderate COVID-19: A one-Year Prospective Study After Acute Infection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| 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 découle