Incidence and risk factors of cognitive impairment in COVID-19 survivors within the first six months and its association with functional outcome
Notice bibliographique
Résumé
Background & Objective: There is growing evidence of cognitive decline post-COVID-19, even in mild infection. We aim to evaluate the incidence of cognitive impairment, domains affected, its risk factors and the effect on function during the subacute period when rehabilitation is crucial. Methods: In this study, the incidence of impaired cognition was assessed in patients at 3 and 6 months post-COVID-19 infection between August 2021 and July 2022 at University Malaya Medical Center, with Montreal Cognitive Assessment (MoCA). The most common cognitive domains affected were identified with descriptive analysis. Associated sociodemographic and clinical factors were analyzed with simple and multiple logistic regression models. The post-COVID-19 Functional Scale (PCFS) was used to assess functional status. The correlation between cognition (MoCA score) and functional status (PCFS scale) was performed using Spearman correlation test. Results: We recruited 100 patients and found that 44% had impaired cognition at three months and 43% at six months. Patients with secondary education level (p =0.001, OR 13.541), oxygen therapy (p=0.039, OR 7.811), and obesity (p=0.029, OR 4.764) were associated with a higher risk of impaired cognition. The most affected MoCA domains were language, executive function, attention and memory. Lower MoCA score was correlated with higher PCFS grade (lower functional status) (p <0.001, ρ -0.729). Conclusion: Post-COVID-19 cognitive impairments were common up to 6 months of illness and affect function. Clinicians are advised to perform cognitive screening especially in higher risk patients and provide necessary interventions.
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 | 0,004 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».