MétaCan
Menu
Retour à la cohorte
Enregistrement W4282836484 · doi:10.3389/fmed.2022.884218

Impact of Obstructive Sleep Apnea (OSA) in COVID-19 Survivors, Symptoms Changes Between 4-Months and 1 Year After the COVID-19 Infection

2022· article· en· W4282836484 sur OpenAlexaboutno aff
Gonzalo Labarca, Mario Henríquez‐Beltrán, Liliana Lamperti, Estefanía Nova‐Lamperti, Sergio Sanhueza, Camilo Cabrera, Romina Andrea Quiroga, Bárbara Antilef, Valeska Ormazábal, Felipe Zúñiga, Daniela Castillo, Gloria Horta, Daniel Enos, Jaime Lastra, Jessica González, Adriano Targa, Ferrán Barbé

Notice bibliographique

RevueFrontiers in Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensnon disponible
Organismes subventionnairesInstituto de Salud Carlos IIIAgencia Nacional de Investigación y DesarrolloUniversidad de ConcepciónAmerican Academy of Sleep Medicine
Mots-clésCoronavirus disease 2019 (COVID-19)Obstructive sleep apneaMedicine2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Sleep apneaApneaPneumoniaContinuous positive airway pressureInternal medicineCardiologyVirologyDiseaseOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Objective To determine the association between Obstructive Sleep Apnea (OSA) with long-term symptoms and inflammatory cytokines, exploring the changes between 4-months and 1-year after COVID-19 infection. Methods We conducted an observational, prospective cohort study, including patients ≥18 years old with confirmed diagnosis of COVID-19 between April to July 2020. All participants underwent two clinical follow-up visits, the first at 4-months (Visit 1) and the second at 1 year, after SARS-CoV-2 infection (Visit 2). Plasma glucose, total cholesterol, HDL, and triglycerides. Regarding pulmonary function, spirometry and lung diffusion capacity tests were assessed. For mental and neurocognitive evaluation, a short-form (SF-12), Beck depression and Hospital-Anxiety depression questionnaires were conducted at both time-points, whereas the Montreal Cognitive assessment was conducted during the second follow-up. Regarding to sleep evaluation, Epworth Sleepiness Scale, Insomnia Severity index and STOP-BANG questionnaire were conducted. Additionally, a home sleep apnea test and 7-day wrist actigraphy were performed in all participants. Inflammatory cytokines were measured using an inflammatory cytokine bead array kit. p- values < 0.05 were considered statistically significant and statistical analyses were performed using R software. Results A total of 60 patients were included in the first follow-up, from which 57 completed the second follow-up. The mean age was 46.4 years-old (SD ± 13.1) and 53.3% were male. 30% of cases reported mild COVID-19 infection, 28.3% with moderate illness, and 41.6% with severe illness. Moreover, 56.6% of them were admitted to the ICU. Regarding to metabolic values, the OSA group showed higher values of insulin resistance (IR) (27%), systolic blood pressure (SBP) 135.2 (±19.1), dyslipidemia (67.5%), total cholesterol 202.1 (±60.5), triglycerides 176.1 (±119.0) and HOMA-IR 9.0 (±18.8) in comparison with the non-OSA group. 1 year after COVID-19 infection, DLCO test remains abnormal in OSA patients (25% OSA vs. 3.6% non-OSA, p = 0.02). Finally, those participants with OSA who develop ARDS reported an adjusted OR 20.4 (95%-CI, 1.04–504) risk of neurocognitive impairment. Discussion Among patients with previous COVID-19, OSA impact the development of incident glycemic, neurocognitive impairment, and abnormal functional pulmonary changes that persist up to 1 year since acute phase.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,331
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207