Aftereffects in Epigenetic Age Related to Cognitive Decline and Inflammatory Markers in Healthcare Personnel with Post-COVID-19: A Cross-Sectional Study
Notice bibliographique
Résumé
Purpose: Epigenetic age and inflammatory markers have been proposed as indicators of severity and mortality in patients with COVID-19. Furthermore, they have been associated with the occurrence of neurological symptoms, psychiatric manifestations, and cognitive impairment. Therefore, we aimed to explore the possible associations between epigenetic age, neuropsychiatric manifestations and inflammatory markers (neutrophil-lymphocyte ratio [NLR], platelet-lymphocyte ratio [PLR], monocyte-lymphocyte ratio [MLR], and systemic immune-inflammation index [SII]) in healthcare personnel with post-COVID condition. Patients and Methods: We applied the Montreal Cognitive Assessment (MoCA) and Mini-Mental State Examination (MMSE) tests to 51 Mexican healthcare workers with post-COVID-19 condition; we also estimated their epigenetic age using the PhenoAge calculator. Results: The participants had a post-COVID condition that lasted a median of 14 months (range: 1-20). High NLR (>1.73) had association with mild cognitive impairment by MMSE (p=0.013). Likewise, high MLR (>0.24) were associated with language domain in MOCA (p=0.046). Low PLR (<103.9) was also related to delayed recall in MOCA (p=0.040). Regarding comorbidities, hypertension was associated with SII (p=0.007), overweight with PLR (p=0.047) and alcoholism was associated with MLR (p=0.043). Interestingly, we observed associations of low PLR (<103.9) and low SII (<1.35) levels with increased duration of post-COVID condition (p=0.027, p=0.031). Likewise, increases in PhenoAge were associated with high levels of SII (OR=1.11, p=0.049), PLR (OR=1.12, p=0.035) and MLR (OR=1.12, p=0.030). Conclusion: We observed neurocognitive changes related to inflammatory markers and increases in epigenetic age in healthcare personnel with post-COVID-19 condition. Future research is required to assess mental and physical health in individuals with post-COVID-19 symptoms.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».