Concentrations of Serum Brain Injury Biomarkers Following SARS-CoV-2 Infection in Individuals with and without Long-COVID—Results from the Prospective Population-Based COVI-GAPP Study
Notice bibliographique
Résumé
It is unknown whether neurological symptoms are associated with brain injury after SARS-CoV-2 infections and whether brain injury and related symptoms also emerge in Long-COVID patients. Biomarkers such as serum neurofilament light chain (sNfL) and glial fibrillary acidic protein (sGFAP) can be used to elucidate neuro-axonal and astroglial injuries. We investigated whether these biomarkers are associated with COVID-19 infection status, associated symptoms and Long-COVID. From 146 individuals of the general population with a post-acute, mild-to-moderate SARS-CoV-2 infection, sNfL and sGFAP were measured before, during and after (five and ten months) the infection. Individual symptoms and Long-COVID status were assessed using questionnaires. Neurological associated symptoms were described for individuals after a mild and moderate COVID-19 infection; however, sNfL (p = 0.74) and sGFAP (p = 0.24) did not change and were not associated with headache (p = 0.51), fatigue (p = 0.93), anosmia (p = 0.77) or ageusia (p = 0.47). In Long-COVID patients, sGFAP (p = 0.038), but not sNfL (p = 0.58), significantly increased but was not associated with neurological associated symptoms. Long-COVID status, but not post-acute SARS-CoV-2 infections, may be associated with astroglial injury/activation, even if neurological associated symptoms were not correlated.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».