MétaCan
Menu
Retour à la cohorte
Enregistrement W4322767736 · doi:10.55374/jseamed.v7.145

COGNITIVE FUNCTIONS AMONG PATIENTS WHO RECOVERED FROM COVID-19

2023· article· en· W4322767736 sur OpenAlexaboutno aff
Sirinapa Saneemanomai

Notice bibliographique

RevueJournal of Southeast Asian Medical Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentCognitionDepression (economics)AnxietyCoronavirus disease 2019 (COVID-19)MedicinePandemicMultivariate analysisCognitive deficitCross-sectional studyClinical psychologyInternal medicinePsychologyDiseasePsychiatryCognitive impairmentPathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Introduction: The Coronavirus disease 2019 (COVID-19) spread, causing a worldwide pandemic and affecting multiple organs and systems. The possible long-term sequelae of COVID-19 have become an increasing concern. Currently, little information exists about prolonged COVID-19 affects related to cognitive functions. Objective: The study aimed to investigate the cognitive functions of patients who recovered from COVID-19 at least three months after the diagnosis. Methods: A cross-sectional study was conducted to investigate cognitive functions among 150 employees of Buddhasothorn Hospital, Chachoengsao, Thailand. Of these, 75 employees had a history of COVID-19 at least three months after the diagnosis. Demographic characteristics were recorded and screened for depression, anxiety and insomnia. They were tested for their cognitive functions using the Montreal Cognitive Assessment (MoCA) and compared with 75 employees without a history of COVID-19. Results: All postCOVID-19 cases presented mild COVID-19 symptoms. The results showed that 96% of COVID-19 in both groups, cases and the healthy group, had normal cognitive functions using the MoCA that did not significantly differ. However, the depression score in the postCOVID-19 cases was significantly higher than that of the participants without a history of COVID-19 (1.09 ± 1.36 and 0.61 ± 1.09, respectively (p = 0.018). Regression analysis between the postCOVID-19 cases and depression using multivariate analysis showed that the postCOVID-19 cases were associated with depression scale (β coefficient=0.470; 95%CI: 0.073, 0.867, respectively), after adjusting for age, sex, educational level and underlying diseases. Conclusion: The cognitive functions of employees having a history of COVID-19 and without infection did not differ.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,407
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Southeast Asian Medical ResearchMême sujetLong-Term Effects of COVID-19Travaux en français237 207