Beyond Acute COVID-19: A Review of Long-term Cardiovascular Outcomes
Notice bibliographique
Résumé
Statistics Canada estimated that approximately 1.4 million Canadians suffer from long COVID. Although cardiovascular changes during acute SARS-CoV-2 infection are well documented, long-term cardiovascular sequelae are less understood. In this review, we sought to characterize adult cardiovascular outcomes in the months after acute COVID-19 illness. In our search we identified reports of outcomes including cardiac dysautonomia, myocarditis, ischemic injuries, and ventricular dysfunction. Even in patients without overt cardiac outcomes, subclinical changes have been observed. Cardiovascular sequelae after SARS-CoV-2 infection can stem from exacerbation of preexisting conditions, ongoing inflammation, or as a result of damage that occurred during acute infection. For example, myocardial fibrosis has been reported months after hospital admission for COVID-19 illness, and might be a consequence of myocarditis and myocardial injury during acute disease. In turn, myocardial fibrosis can contribute to further outcomes including dysrhythmias and heart failure. Severity of acute infection might be a risk factor for long-term cardiovascular consequences, however, cardiovascular changes have also been reported in young, healthy individuals who had asymptomatic or mild acute disease. Although evolving evidence suggests that previous SARS-CoV-2 infection might be a risk factor for cardiovascular disease, there is heterogeneity in existing evidence, and some studies are marred by measured and unmeasured confounders. Many investigations have also been limited by relatively short follow-up. Future studies should focus on longer term outcomes (beyond 1 year) and identifying the prevalence of outcomes in different populations on the basis of acute and long COVID disease severity.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,010 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».