The epidemiology of long COVID in US adults two years after the start of the US SARS-CoV-2 pandemic
Notice bibliographique
Résumé
Abstract Objectives To characterize prevalence and impact of long COVID. Methods We conducted a population-representative survey, June 30-July 2, 2022, of a random sample of 3,042 United States adults. Using questions developed by the United Kingdom’s Office of National Statistics, we estimated the prevalence by sociodemographics, adjusting for gender and age. Results An estimated 7.3% (95% CI: 6.1-8.5%) of all respondents reported long COVID, approximately 18,533,864 adults. One-quarter (25.3% [18.2-32.4%]) of respondents with long COVID reported their day-to-day activities were impacted ‘a lot’ and 28.9% had SARS-CoV-2 infection >12 months ago. The prevalence of long COVID was higher among respondents who were female (aPR: 1.84 [1.40-2.42]), had comorbidities (aPR: 1.55 [1.19-2.00]) or were not (versus were) boosted (aPR: 1.67 [1.19-2.34]) or not vaccinated (versus boosted) (aPR: 1.41 (1.05-1.91)). Conclusions We observed a high burden of long COVID and substantial variability in prevalence of SARS-CoV-2. Population-based surveys are an important surveillance tool and supplement to ongoing efforts to monitor long COVID.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».