Muscle fatigability and post‐acute <scp>COVID</scp> ‐19 syndrome: A case study
Notice bibliographique
Résumé
The acute phase of COVID-19 has been well studied, however with increasing post-acute COVID-19 syndrome, much is unknown about its long-term effects. A common symptom in both the acute and post-acute phases has been fatigue, assessed predominantly qualitatively. Here we present a case study objectively assessing neuromuscular fatiguability in a young male (27 year, 1.85 m, 78 kg) who continues to experience COVID-19 related fatigue and cognitive dysfunction, including other symptoms, 12+ months post-infection. Prior to infection, he was part of a neuromuscular study forming the basis of our pre-COVID-19 results. The study was repeated 12 months post-COVID-19 infection. Muscle strength, endurance, torque steadiness, voluntary activation, twitch properties, electromyography, and compound muscle action potential were obtained and compared pre- and post-COVID-19. All measurements were done using a dorsiflexion dynamometer in which the participant also was asked to produce a one-minute fatiguing maximal voluntary contraction. Muscle strength, voluntary activation, and fatigability (slope of torque) showed no meaningful differences, suggesting intrinsic neuromuscular properties are not affected. However, torque steadiness was impaired three-fold in the post- compared with pre-COVID-19 test. The participant also reported a higher level of perceived exertion subjectively and a continued complaint of fatigue. These findings indicate that muscle fatiguability in post-acute COVID-19 syndrome may not be a limitation of the muscle and its activation, but a perceptual disconnect caused by cognitive impairments relating to physical efforts. This case report suggests the potential value of larger studies designed to assess these features in post-acute COVID-19 syndrome.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».