Post-Covid condition and clinic characteristics associated with SARS-CoV-2 infection: a 2-year follow-up to Brazilian cases
Notice bibliographique
Résumé
Until January 2023, Brazil recorded 37 million COVID-19 cases despite the decrease in mortality due to mass vaccination efforts against COVID-19. The infection continues to challenge researchers and health professionals with the persistent symptoms and onset manifestations after the acute phase of the disease, namely Post-Covid Condition (PCC). Being one of the countries with the highest infection rate, Brazil must prepare for a growing number of patients with chronic health consequences of COVID-19. Longitudinal studies that follow patients over extended periods are crucial in understanding the long-term impacts of COVID-19, including potential health consequences and the effects on quality of life. We describe the clinical profile of a cohort of COVID-19 patients infected during the first year of the pandemic in Brazil and a follow-up after two years to investigate the health impacts of SARS-CoV-2 infection. The first wave of SARS-CoV-2 infection in Brazil featured extensive drug misuse, notably the ineffective COVID kit comprised of ivermectin, antimalarials and azithromycin, and elevated in-hospital mortality. In the second phase of the study, Post-Covid Condition was reported by symptomatic COVID-19 subjects across different severity levels two years after infection. Long haulers are more likely to be women, previously hospitalized, and reported a range of symptoms from muscle pain to cognitive deficit. Our longitudinal study is essential to inform public health authorities to develop strategies and policies to control the spread of the virus and mitigate its impacts on society.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».