High Prevalence of Peroneal Neuropathy Among Children During the COVID-19 Pandemic
Notice bibliographique
Résumé
ABSTRACT: Objectives: We aimed to explore the prevalence of peroneal neuropathy in children during coronavirus disease-19 (COVID-19) pandemic. Background: Since the COVID-19 outbreak, many children worldwide have experienced a dramatic lifestyle changes, including conducting most daily activities indoors. Peroneal nerve palsy is one of the most common entrapment neuropathies and circumstances as prolonged immobilization or leg crossing predisposes an individual to peroneal neuropathy. Methods: This is a case–control retrospective study that included patients referred to our neurophysiology clinic with foot drop. We compared the prevalence of spontaneous peroneal neuropathy 1 year before (April 2019/March 2020) and 1 year during the COVID-19 pandemic (April 2020/March 2021); and we also continued collecting data prospectively between April and September 2021 analysis the whole pandemic period. Results: Totally, 399 patient clinical notes and NCS/EMG reports were reviewed, 220 were evaluated 1 year before and 179 1 year during COVID-19 pandemic. During the COVID-19 pandemic, there was a higher prevalence of peroneal neuropathy (odds ratio 4.74, 95%CI 1.30–17.25, p = 0.0183). In the COVID group ( n = 11), mean age was 14 years and 63.4% were males. Mean age was 15 years and 66.7% were males in the Control group ( n = 3). There was a significant difference in the time from symptoms onset to the neurophysiology assessment, with a mean time of 14 days in the Control group and 87.5 days in the COVID group. Conclusions: This study provides evidence that during the COVID-19 pandemic period, there was a higher prevalence of peroneal neuropathy among children. Strategies to prevent peroneal neuropathy should be recommened to this age group.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».