The role of multimorbidity and socio-economic characteristics as potential risk factors for Long Covid: evidence from the multilevel analysis of the Survey of Health, Ageing and Retirement in Europe’s corona surveys (2020–2021)
Notice bibliographique
Résumé
BACKGROUND: A substantial proportion of individuals continue experiencing persistent symptoms following the acute stage of their Covid-19 illness. However, there is a shortage of population-based studies on Long Covid risk factors. OBJECTIVE: To estimate the prevalence of Long Covid in the population of middle-aged and older Europeans having contracted Covid-19 and to assess the role of multimorbidity and socio-economic characteristics as potential risk factors of Long Covid. METHODS: A population-based longitudinal prospective study involving a sample of respondents 50 years and older (n = 4,004) from 27 countries who participated in the 2020 and 2021 Survey of Health, Ageing and Retirement in Europe (SHARE), in particular the Corona Surveys. Analyses were conducted by a multilevel (random intercept) hurdle negative binomial model. RESULTS: Overall, 71.6% (95% confidence interval = 70.2-73.0%) of the individuals who contracted Covid-19 had at least one symptom of Long Covid up to 12 months after the infection, with an average of 3.06 (standard deviation = 1.88) symptoms. There were significant cross-country differences in the prevalence of Long Covid and number of symptoms. Higher education and being a man were associated with a lower risk of Long Covid, whilst being employed was associated with a higher risk of having Long Covid. Multimorbidity was associated with a higher number of symptoms and older age was associated with a lower number of symptoms. CONCLUSION: Our results provide evidence on the substantial burden of Long Covid in Europe. Individuals who contracted Covid-19 may require long-term support or further medical intervention, putting additional pressure on national health care systems.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».