Serological markers and Post COVID-19 Condition (PCC) – A rapid review of the evidence
Notice bibliographique
Résumé
Abstract Background Post COVID-19 Condition (PCC) is highly heterogeneous, often debilitating, and may last for years after infection. The etiology of PCC remains uncertain. Examination of potential serological markers of PCC, accounting for clinical covariates, may yield emergent pathophysiological insights. Methods In adherence to PRISMA guidelines, we carried out a rapid review of the literature. We searched Medline and Embase for primary observational studies that compared IgG response in individuals who experienced COVID-19 symptoms persisting ≥12 weeks post-infection with those who did not. We examined relationships between serological markers and PCC status and investigated sources of inter-study variability, such as severity of acute illness, PCC symptoms assessed, and target antigen(s). Results Of 8,018 unique records, we identified 29 as being eligible for inclusion in synthesis. Definitions of PCC varied. In studies that reported anti-nucleocapsid (N) IgG (n=10 studies; n=989 participants in aggregate), full or partial anti-Spike IgG (i.e., the whole trimer, S1 or S2 subgroups, or receptor binding domain, n=19 studies; n=2606 participants), or neutralizing response (n=7 studies; n=1123 participants), we did not find strong evidence to support any difference in serological markers between groups with and without persisting symptoms. However, most studies did not account for severity or level of care required during acute illness, and other potential confounders. Conclusions Pooling of studies would enable more robust exploration of clinical and serological predictors among diverse populations. However, substantial inter-study variations hamper comparability. Standardized reporting practices would improve the quality, consistency, and comprehension of study findings.
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 | 0,017 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,023 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».