MétaCan
Menu
Retour à la cohorte
Enregistrement W4378610654 · doi:10.1093/sleep/zsad077.0300

0300 A prospective follow-up study of Covid’s effects on Sleep and Cognition in post-acute period in a primarily minority population

2023· article· en· W4378610654 sur OpenAlexaboutno aff
Malika Ibrahim, Sumant Nanduri, Gagan Singh, Yashvardhan Batta, Rachel Kim, Tori Smith, Oluwapelumi Kolawole, Valarie Ogwo, Nader Shayegh, Suryanarayana Reddy Challa, Hassan Ashktorab, Hassan Brim, Gholamreza Oskrochi, Zara Martirosyan

Notice bibliographique

RevueSLEEP · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionSleep disorderMontreal Cognitive AssessmentPopulationSleep (system call)Pittsburgh Sleep Quality IndexCognitionUnivariate analysisPsychiatryPediatricsPhysical therapyMultivariate analysisInternal medicineCognitive impairmentSleep quality

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Long Covid, the post-acute sequelae of COVID-19, has evolved in recent months into a recognized spectrum of manifestations that persist after acute Covid-19 illness. Despite over 2 years of information since the start of the pandemic, data remains limited on the effect Long Covid may have on sleep and cognition. This study aims to assess the association between COVID-19 infection and sleep impairment in the post-acute period. Methods A total of 747 patients were identified from hospitalized COVID-19 patient records at Howard University Hospital between Feb 2020 and May 2021. 285 of these patients were interviewed by the research team 6-12 months after their initial infection. Sleep symptoms were collected via a questionnaire from 125 patients (64% African American, 34% Hispanic) to include the following four data points: difficulty falling asleep, worsened sleep quality, daytime somnolence (since COVID-19 occurrence) and the number of hours of sleep in 24 hours. In addition, a cognitive assessment was also conducted via a Mini-MOCA questionnaire(n=103 patients, 59% African American, 35% Hispanic). Of note, all sleep questionnaire participants did not report pre-COVID-19 sleep issues concerns. We looked for any associations between multiple clinical variables, sleep disturbance, and abnormal MOCA scores using proper statistical methods such as t-tests, chi-square tests, univariate and multivariable logistic regression. Results Out of the 285 respondents to the interview, 28 of 125 completing sleep assessments declared sleep disturbance symptoms, and 79 of 103 completing Mini-Moca assessments had an abnormal Mini-MOCA score. Patients with sleep disturbance symptoms were further analyzed and a significant association was identified between sleep disturbance and the following variables: increase in age (p=0.046), Diabetes Miletus diagnosis (p=0.009), elevated troponin level on admission (p< 0.05), ARB use during hospitalization (p=0.006), ICU admission during hospitalization (p< 0.05), and exposure to ECMO (p=0.011). Not surprisingly, sleep disturbance had a significant association with reduced total sleeping hours in 24 hr period (p< 0.0001). Conclusion Preliminary findings indicate the presence of sleep disturbance on longitudinal follow-up of patients previously infected with SARS-CoV-2. Additionally, we found a significant association between sleep disturbance in COVID-19 patients with many variables. Larger studies are required to further analyze these associations. Support (if any)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,293
Écart entre enseignants0,283 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetLong-Term Effects of COVID-19Travaux en français237 207