Evolving trends in neuropsychological profiles of post COVID-19 condition: A 1-year follow-up in individuals with cognitive complaints
Notice bibliographique
Résumé
Cognitive difficulties are reported as lasting sequelae within post COVID-19 condition. However, the chronicity of these difficulties and related factors of fatigue, mood, and perceived health have yet to be fully determined. To address this, the current longitudinal study aimed to clarify the trends of cognitive test performance and cognitive domain impairment following COVID-19 onset, and whether hospitalization influences outcomes. 57 participants who reported subjective cognitive difficulties after confirmed COVID-19 infection were assessed at baseline (~6 months post COVID-19) and follow-up (~15 months later) visits. Assessments included measures across multiple cognitive domains and self-report questionnaires of fatigue, mood, and overall health. Analyses were conducted in three stages: at the test score level (raw and adjusted scores), at the cognitive domain level, and stratified by hospitalization status during infection. Results at the test-score level indicate that cognitive performance remains relatively stable across assessments at the group level, with no significant improvements in any adjusted test scores at follow-up. Cognitive domain analyses indicate significant reductions in attention and executive functioning impairment, while memory impairment is slower to resolve. On self-report measures, there was a significant improvement in overall health ratings at follow-up. Finally, those hospitalized during infection performed worse on timed cognitive measures across visits and accounted for a larger proportion of cases with short-term and working memory impairment at follow-up. Overall, our findings indicate that cognitive difficulties persist both at test score and cognitive domain levels in many cases of post COVID-19 condition, but evidence suggests some improvement in global measures of attention, executive functioning and overall self-rated health. Furthermore, an effect of hospitalization on cognitive symptoms post COVID-19 may be more discernible over time.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».