Methylphenidate for the Treatment of Post-COVID Cognitive Dysfunction (Brain Fog)
Notice bibliographique
Résumé
A substantial number of patients develop cognitive dysfunction after contracting severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), significantly contributing to long-coronavirus disease (COVID) morbidity. Despite the urgent and overwhelming clinical need, there are currently no proven interventions to treat post-COVID cognitive dysfunction (PCCD). Psychostimulants like methylphenidate may enhance both noradrenergic and dopaminergic pathways in mesolimbic and pre-frontal areas, thus improving memory and cognition. We present a case series of six patients who were treated at the Johns Hopkins Post-Acute COVID-19 Team (PACT) clinic for PCCD with methylphenidate 5 - 20 mg in the context of routine clinical care and followed for 4 to 8 weeks. Baseline and post-treatment outcomes included subjective cognitive dysfunction and objective performance on a battery devised to measure cognitive dysfunction in long-COVID patients. Three out of the six patients reported subjective improvement with methylphenidate, one patient described it as "notable" and another as "marked" improvement in memory and concentration. We also found significant pre-treatment subjective complaints of cognitive dysfunction; however, formal cognitive assessment scores were not severely impaired. A statistically significant difference in pre and post scores, favoring intervention, was found for the following cognitive assessments: Hopkins verbal learning test (HVLT) immediate recall, HVLT delayed recall and category-cued verbal fluency. The current series demonstrates promising neurocognitive effects of methylphenidate for long-COVID cognitive impairment, particularly in recall and verbal fluency domains.
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 | 0,001 | 0,014 |
| 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 ».