Profiling Cognitive Impairment in Mild COVID-19 Patients
Notice bibliographique
Résumé
Context: COVID-19 pandemic continues to be a serious threat to humanity even after the last 2.5 years and multiple reported waves. Post-COVID-19 cognitive impairment has a detrimental effect on the quality of life, education, occupation, psychosocial as well as adaptive functioning and independence. Aims and Objective: Profiling the cognitive impairment in the mild COVID-19 recovered patients. Settings and Design: Interview-based case-control study. Materials and Methods: This study was conducted at a secondary healthcare center in a hilly region of north India. Group A included mild COVID-19 recovered patients and Group B included local non-COVID healthy individuals. Both groups of participants were interviewed using Montreal Cognitive Assessment (MoCA) to identify global and domain-wise cognitive impairment. Statistics Used: Descriptive statistics were used to analyze the demographic and clinical variables. The Chi-square test was used to evaluate these results and statistical analysis was done using the Statistical Package for Social Sciences (version 23) program. Results: A total of 284 individuals were enrolled in our study, equally split into Groups A (cases) and B (controls). No global cognitive decline was found in any participant. However, 40 cases scored low on MoCA. The decrease in domain-wise cognitive function was statistically significant for visuospatial skill/executive function and attention. Conclusion: Our results have demonstrated that there is domain-wise cognitive impairment associated with mild COVID-19 disease. We recommend lowering the threshold of the MoCA to identify the early cognitive impairment and the inclusion of detailed cognitive assessment in post-COVID-19 follow-ups to initiate early cognitive rehabilitation among these patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».