Evaluation of the Prevalence and Predictive Factors of Post-COVID Cognitive Disorders Among Iranian COVID-19 Recuperated Individuals: A Bayesian Analysis
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19), as a global crisis, has impacted all aspects of human life, even long after its universal containment. Among these impacts, COVID-related cognitive disorders (CDs) are significant, particularly when they persist over the long term. Cognitive disorders are characterized by the brain’s inability to process, store, and utilize information for reasoning, judgment, perception, attention, comprehension, and memory. Objectives: Given the persistence of COVID-related CDs even long after recovery, this study aimed to determine the prevalence and predictive factors of CDs among individuals who had recovered from COVID-19 in Iran, using Bayesian analysis. Methods: In this regional cross-sectional analytical study, 300 individuals were randomly selected from three hospitals in Tehran, Iran. The subjects were evaluated using the Clinical Demographic Information Questionnaire, Montreal Cognitive Assessment (MoCA), the Pittsburgh Sleep Quality Index (PSQI), the Obsessive-Compulsive Inventory-Revised (OCI-R), the Depression, Anxiety, and Stress Scale 21 (DASS-21), and the Posttraumatic Stress Disorder (PTSD) Checklist for DSM-5 (PCL-5). The obtained data were analyzed using SPSS software (version 26) to determine the prevalence of CDs, identify predictive factors, and examine the interrelationship between CDs and other COVID-related disorders. Results: Among the 300 participants, only 81 individuals (27%) exhibited CDs. The majority of the aforementioned subjects were patients at hospital A (46.91%), and their recovery occurred between 12-18 months ago (39.51%). Among these variables, only the difference in the hospital variable was statistically significant (P = 0.001). Furthermore, there were correlations between CDs and obsessive-compulsive disorder (OCD), anxiety, and stress, although they were not statistically significant. Ultimately, PTSD (BF = 0.58, P = 0.02), older age (BF = 0.0001, P = 0.0001), hospitalization at hospital A (BF = 0.35, P = 0.001), lower arterial oxygen saturation (SaO2) (BF = 0.01, P = 0.0001), and longer hospitalization (BF = 0.001, P = 0.0001) were identified as the most robust predictors for the presence of CDs among individuals recovering from COVID-19. Conclusions: In conclusion, CDs were observed in less than half (27%) of individuals who had recovered from COVID-19. Sociodemographic and health disparities contributed to variations in the prevalence, severity, and significance of these disorders.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».