Post-Viral Fatigue Following SARS-CoV-2 Infection during Pregnancy: A Longitudinal Comparative Study
Notice bibliographique
Résumé
Studies reported post-COVID-19 fatigue in the general population, but not among pregnant women. Our objectives were to determine prevalence, duration, and risk factors of post-viral fatigue among pregnant women with SARS-CoV-2. This study involved 588 pregnant women with SARS-CoV-2 during pregnancy or delivery in Brazil. Three groups were investigated: G1 (n = 259, symptomatic infection during pregnancy); G2 (n = 131, positive serology at delivery); G3 (n = 198, negative serology at delivery). We applied questionnaires investigating fatigue at determined timepoints after infection for G1, and after delivery for all groups; fatigue prevalence was then determined. Cox regression was used to estimate hazard ratio (HR) and 95% CI of the risk of remaining with fatigue in G1. Overall fatigue prevalence in G1 at six weeks, three months and six months were 40.6%, 33.6%, and 27.8%, respectively. Cumulative risk of remaining with fatigue increased over time, with HR of 1.69 (95% CI: 0.89–3.20) and 2.43 (95% CI: 1.49–3.95) for women with moderate and severe symptoms, respectively. Multivariate analysis showed cough and myalgia as independent risk factors in G1. Fatigue prevalence was significantly higher in G1 compared to G2 and G3. Post-viral fatigue prevalence is higher in women infected during pregnancy; fatigue’s risk and duration increased with the severity of infection.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 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 ».