Notice bibliographique
Résumé
As we near the third year of the COVID-19 pandemic, greater attention is now being paid to the potential long-term consequences of SARS-CoV-2 in the hundreds of millions of people infected globally. A syndrome termed “long COVID” has emerged, which predominantly manifests as persistent fatigue, dyspnea, chest pain, and cognitive dysfunction following acute infection. The incidence of long COVID is in the range of 15% based on current best evidence, and symptoms are likely a result of several different pathophysiological mechanisms including multi-organ injury from acute infection, systemic viral persistence, immune dysregulation, and/or autoimmunity. Pulmonary symptoms represent a significant component of long COVID, and there is a growing body of research describing the epidemiology, risk factors, physiology, and radiology of the respiratory manifestations of long COVID. In this clinical review, we examine the most recent evidence relating to “respiratory long COVID,” discuss how innovative technologies such as Xenon-129 gas transfer magnetic resonance imaging (MRI) and respiratory oscillometry are helping to elucidate its unique pathophysiology, and consider the role of preventative strategies and possible treatments such as adapted pulmonary rehabilitation. The burden of respiratory long COVID is likely to continue to grow, and all healthcare professionals who care for patients with respiratory disease must prepare for this emerging chronic condition. This will require increased resources from healthcare decision makers, inventive approaches to healthcare delivery, further research, and the same spirit of collaboration that has enabled the many success stories to date in the global effort against COVID-19.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 0,001 |
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 ».