Olfactory dysfunction as an early predictor for post‐COVID condition at 1‐year follow‐up
Notice bibliographique
Résumé
Abstract Background Olfactory dysfunction together with neurological and cognitive symptoms are common after COVID‐19. We aimed to study whether performance on olfactory and neuropsychological tests following infection predict post‐COVID condition (PCC), persisting symptoms, and reduced health‐related quality of life. Methods Both hospitalized (N = 10) and non‐hospitalized individuals (N = 56) were enrolled in this prospective cohort study. Participants were evaluated 1–3 months after infection with an olfactory threshold test and neuropsychological tests, which was used as predictors of PCC. A questionnaire outlining persisting symptoms and the validated instrument EuroQol five‐dimension five‐level for health‐related quality of life assessment were used as outcome data 1 year after infection (N = 59). Principal component analysis was used to identify relevant predictors for PCC at 1 year. Results Objectively assessed olfactory dysfunction at 1–3 months post infection, but not subjective olfactory symptoms, predicted post‐COVID condition with reduced health‐related quality of life (PCC+) at 1 year. The PCC+ group scored more often below the cut off for mild cognitive impairment on the Montreal Cognitive Assessment (61.5% vs. 21.7%) and higher on the Multidimensional Fatigue Inventory‐20, compared to the group without PCC+. Conclusion Our results indicate that objectively assessed, olfactory dysfunction is a predictor for PCC+. These findings underscore the importance of objective olfactory testing. We propose that olfactory screening in the early post‐acute phase of COVID‐19 infection might identify individuals that are at higher risk of developing long‐term health sequalae.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».