The Epidemiology of Long Coronavirus Disease in US Adults
Notice bibliographique
Résumé
BACKGROUND: We estimated the prevalence of long COVID and impact on daily living among a representative sample of adults in the United States. METHODS: We conducted a population-representative survey, 30 June-2 July 2022, of a random sample of 3042 US adults aged 18 years or older and weighted to the 2020 US population. Using questions developed by the UK's Office of National Statistics, we estimated the prevalence of long COVID, by sociodemographics, adjusting for gender and age. RESULTS: An estimated 7.3% (95% confidence interval: 6.1-8.5%) of all respondents reported long COVID, corresponding to approximately 18 828 696 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 severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection more than 12 months ago. The prevalence of long COVID was higher among respondents who were female (adjusted prevalence ratio [aPR]: 1.84 [1.40-2.42]), had comorbidities (aPR: 1.55 [1.19-2.00]), or were not (vs were) boosted (aPR: 1.67 [1.19-2.34]) or not vaccinated (vs boosted) (aPR: 1.41 [1.05-1.91]). CONCLUSIONS: We observed a high burden of long COVID, substantial variability in prevalence of SARS-CoV-2, and risk factors unique from SARS-CoV-2 risk, suggesting areas for future research. 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 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 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».