Chronic Lung Disease as a Risk Factor for Long COVID in Patients Diagnosed With Coronavirus Disease 2019: A Retrospective Cohort Study
Notice bibliographique
Résumé
Background: Patients with coronavirus disease 2019 (COVID-19) often experience persistent symptoms, known as postacute sequelae of COVID-19 or long COVID, after severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection. Chronic lung disease (CLD) has been identified in small-scale studies as a potential risk factor for long COVID. Methods: This large-scale retrospective cohort study using the National COVID Cohort Collaborative data evaluated the link between CLD and long COVID over 6 months after acute SARS-CoV-2 infection. We included adults (aged ≥18 years) who tested positive for SARS-CoV-2 during any of 3 SARS-CoV-2 variant periods and used logistic regression to determine the association, considering a comprehensive list of potential confounding factors, including demographics, comorbidities, socioeconomic conditions, geographical influences, and medication. Results: Of 1 206 021 patients, 1.2% were diagnosed with long COVID. A significant association was found between preexisting CLD and long COVID (adjusted odds ratio [aOR], 1.36). Preexisting obesity and depression were also associated with increased long COVID risk (aOR, 1.32 for obesity and 1.29 for depression) as well as demographic factors including female sex (aOR, 1.09) and older age (aOR, 1.79 for age group 40-65 [vs 18-39] years and 1.56 for >65 [vs 18-39] years). Conclusions: CLD is associated with higher odds of developing long COVID within 6 months after acute SARS-CoV-2 infection. These data have implications for identifying high-risk patients and developing interventions for long COVID in patients with CLD.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».