Long-term effect of COVID-19 infection on kidney function among COVID-19 patients followed in post-COVID-19 recovery clinics in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: We investigated the effect of Post-Acute COVID Syndrome or "long-COVID" on kidney function among patients followed in post-COVID recovery clinics (PCRC) in British Columbia, Canada. METHODS: Long-COVID patients referred to PCRC between July 2020 to April 2022, aged ≥18 years who had an estimated glomerular filtration rate (eGFR) value recorded at 3 months from the coronavirus disease 2019 (COVID-19) diagnosis (index) date were included. Those requiring renal replacement therapy prior to index date were excluded. Primary outcome was change in eGFR and urine albumin-creatinine ratio (UACR) after COVID-19 infection. The proportion of patients in each of the six eGFR categories (<30, 30-44, 45-59, 60-89, 90-120 and >120 mL/min/1.73 m2) and three UACR categories (<3, 3-30 and >30 mg/mmol) in all of the study time points were calculated. Linear mixed model was used to investigate change in eGFR over time. RESULTS: The study sample included 2212 long-COVID patients. Median age was 56 years, 51% were male. Half (∼47%-50%) of the study sample had normal eGFR (≥90 mL/min/1.73 m2) from COVID-19 diagnosis to 12 months post-COVID and <5% of patients had an eGFR <30 mL/min/1.73 m2. There was an estimated 2.96 mL/min/1.73 m2 decrease in eGFR within 1 year after COVID-19 infection that was equivalent to 3.39% reduction from the baseline. Decline in eGFR was highest in patients hospitalized for COVID-19 (6.72%) followed by diabetic patients (6.15%). More than 40% of patients were at risk of CKD. CONCLUSIONS: People with long-COVID experienced a substantial decline in eGFR within 1 year from the infection date. The prevalence of proteinuria appeared to be high. Close monitoring of kidney function is prudent among patients with persistent COVID-19 symptoms.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».