Fatigue presentation, severity, and related outcomes in a prospective cohort following post-COVID-19 hospitalization in British Columbia, Canada
Notice bibliographique
Résumé
Introduction: Increasing evidence on long-term health outcomes following SARS CoV-2 infection shows post-viral symptoms can persist for months. These symptoms are often consistent with those of Myalgic Encephalomyelitis or Chronic Fatigue Syndrome (ME/CFS). The aim of the present study was to examine the prevalence and outcome predictors of post-viral fatigue and related symptoms 3- and 6-months following symptom onset. Methods: = 88) were recruited from a Post-COVID-19 Respiratory Clinic (PCRC) in Vancouver, Canada to examine predictors of long-term fatigue and substantial fatigue. Multivariable mixed effects analyses examined the relationship between patient predictors, including pre-existing comorbidities, patient reported outcome measures, and fatigue and substantial fatigue at follow-up. Results: The number of patients experiencing fatigue or substantial fatigue at 3 months post-infection were 58 (67%) and 14 (16%) respectively. At 6 months these numbers declined to 47 (60%) patients experiencing fatigue and 6 (6%) experiencing substantial fatigue. Adjusted analysis, for sex, age, and time, revealed the number of pre-existing comorbidities to be associated with fatigue (OR 2.21; 95% CI 1.09-4.49; 0.028) and substantial fatigue (OR 1.73; 95% CI 1.06-2.95; 0.033) at 3 months follow-up. Except for shortness of breath, self-care, and follow-up time, all follow-up variables were found to be associated with fatigue and substantial fatigue at 3 months. Conclusion: Fatigue and substantial fatigue are common after COVID-19 infection but often diminish over time. A significant number of patients continue to exhibit long-term fatigue at 6 months follow-up. Further research is needed to clarify the causality of viral infections in the development and severity of fatigue as a symptom and in meeting post-viral fatigue syndrome or ME/CFS diagnostic criteria.
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 | 0,001 | 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 ».