Long-Term Consequences of COVID-19 in Predominantly Immunonaive Patients: A Canadian Prospective Population-Based Study
Notice bibliographique
Résumé
Background: Lingering symptoms are frequently reported after acute SARS-CoV-2 infection, a condition known as post-COVID-19 condition (PCC). The duration and severity of PCC in immunologically naïve persons remain unclear. Furthermore, the long-term consequences of these chronic symptoms on work and mental health are poorly documented. Objective: To determine the outcome, the risk factors, and the impact on work and mental health associated with post-COVID-19 symptoms. Methods: This prospective population-based study assessed acute COVID-19 symptoms and their evolution for up to nine months following infection. Individuals aged 18 years and older with COVID-19 in three Canadian regions between 1 November 2020 and 31 May 2021 were recruited. Participants completed a questionnaire that was either administered by trained student investigators over the phone or self-administered online. Results: A total of 1349 participants with a mean age of 46.6 ± 16.0 years completed the questionnaire. Participants were mostly unvaccinated at the time of their COVID-19 episode (86.9%). Six hundred and twenty-two participants (48.0%) exhibited one symptom or more, at least three months post-COVID-19. Among participants with PCC, 23.0% to 37.8% experienced fatigue at the time of survey. Moreover, 6.1% expressed psychological distress. Risk factors for PCC and fatigue included female sex (OR = 1.996), higher number of symptoms (OR = 1.292), higher severity of episode (OR = 3.831), and having a mental health condition prior to the COVID-19 episode (OR = 5.155). Conclusions: In this multicenter cohort study, almost half (47%) of the participants reported persistent symptoms >3 months after acute infection. Baseline risk factors for PCC include female sex, number and severity of symptoms during acute infection, and a previous diagnosis of mental health disorder. Having PCC negatively impacted health-related quality of life and these patients were more likely to exhibit psychological distress, as well as fatigue.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 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 ».