EXPLORANDO OS EFEITOS NEUROLÓGICOS PÓS COVID-19: UMA REVISÃO NARRATIVA DA LITERATURA
Notice bibliographique
Résumé
Introdução: A pandemia de COVID-19, iniciada em dezembro de 2019, desencadeou desafios significativos, incluindo o reconhecimento e tratamento das suas sequelas neurológicas. Estudos indicam uma associação entre o vírus SARS-CoV-2 e sintomas neurológicos graves, como anosmia, cefaléia e alterações do estado mental. Objetivo: Este estudo propõe uma análise abrangente das sequelas neurológicas, visando melhorar o entendimento e o manejo clínico dessas complicações. Desenvolvimento: A anosmia, a perda do olfato, é um sintoma comum do COVID-19, afetando cerca de 44,1% dos pacientes. Embora geralmente temporária, sua incidência varia globalmente, sendo menor na Ásia Oriental. Na COVID-19, a anosmia pode surgir devido a obstrução mecânica ou lesões nos neurônios sensoriais. Estudos indicam que a maioria dos pacientes se recupera em 1-3 semanas, mas alguns podem enfrentar perda prolongada. Parosmia e fantosmia, distorções olfativas, afetam até 56% dos pacientes, impactando a qualidade de vida. O tratamento inclui terapia de treinamento olfativo e irrigação nasal. A COVID prolongada pode causar comprometimento cognitivo, afetando a concentração e agravando condições neurodegenerativas como Alzheimer e Parkinson. A idade avançada e as comorbidades aumentam o risco. A COVID também está associada à cefaléia, especialmente em mulheres, e à encefalopatia, levando a alterações mentais. O vírus pode aumentar a coagulação sanguínea, aumentando o risco de AVC isquêmico ou hemorrágico. O tratamento envolve terapia anticoagulante e prevenção de fatores de risco. Conclusão: A pandemia de COVID-19 apresenta desafios neurológicos, como a anosmia e o comprometimento neurocognitivo. Pacientes com doenças neurodegenerativas enfrentam riscos aumentados. Estratégias preventivas, como vacinação e controle da hipercoagulabilidade, são cruciais para mitigar o impacto neurológico da doença e alcançar melhores resultados para os pacientes.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».