Rationale and design of the multi organ inflammation with serial testing study: a comprehensive assessment of functional and structural abnormalities in patients with recovered COVID-19
Notice bibliographique
Résumé
Introduction: Short-term clinical outcomes from SARS-CoV-2 infection are generally favorable. However, 15-20% of patients report persistent symptoms of at least 12 weeks duration, often referred to as long COVID. Population studies have also demonstrated an increased risk of incident diabetes and cardiovascular disease at 12 months following infection. While imaging studies have identified multi-organ injury patterns in patients with recovered COVID-19, their respective contributions to the disability and morbidity of long COVID is unclear. Methods: A multicenter, observational study of 215 vaccine-naïve patients with clinically recovered COVID-19, studied at 3-6 months following infection, and 133 healthy volunteers without prior SARS-CoV-2 infection. Patients with recovered COVID-19 were screened for long COVID related symptoms and their impact on daily living. Multi-organ, multi-parametric magnetic resonance imaging (MRI) and circulating biomarkers were acquired to document sub-clinical organ pathology. All participants underwent pulmonary function, aerobic endurance (6 min walk test), cognition testing and olfaction assessment. Clinical outcomes were collected up to 1 year from infection. The primary objective of this study is to identify associations between organ injury and disability in patients with long-COVID symptoms in comparison to controls. As a secondary objective, imaging and circulating biomarkers with the potential to exacerbate cardiovascular health were characterized. Discussion: Long-term sequelae of COVID-19 are common and can result in significant disability and cardiometabolic disease. The overall goal of this project is to identify novel targets for the treatment of long COVID including mitigating the risk of incident cardiovascular disease. Study registration: clinicaltrials.gov (MOIST late cross-sectional study; NCT04525404).
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 | 0,014 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».