Affective state of people suffering from long covid and associated factors. Cross-sectional descriptive study
Notice bibliographique
Résumé
Introduction The “Post-COVID Syndrome” affects approximately 10% of people who have been infected with Covid-19. These people have a physical and mental impact. Objectives The objective of this study is to analyze factors related to poorer mental health in these patients from primary health care. Methods Cross-sectional study. The study population was post-COVID-19 patients aged 18 years or older and treated by Primary Health Care (PHC). The main variable was Affective state through the Hospital Anxiety and Depression Scale (HADS) questionnaire. The rest of the variables were: Socio-demographic variables, number of residual symptoms, cognitive using the Montreal Cognitive Assessment (MoCA), physical functioning variable will be measured by Sit to Stand Test and Sleep quality through the Insomnia Severity Index (ISI). A bivariate analysis and also a lineal multivariate model were developed. Ethics approval was granted by the Clinical Research Ethics Committee of Aragón (PI21/139 and PI21/454). Results A total of 100 individuals participated, of whom, 80 were women and 20 were men. The median scores in HADS was 16 and the interquartile range was 12. Multilevel analysis shows that better physical functioning (sit to stand test) and worse sleep quality (Insomnia severity index) are predictors of worse affective state. The models explain 36.5% of the HADS variance. Conclusions It is relevant to take account these variables in the treatment of the affective state of patients with long covid. Disclosure of Interest None Declared
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».