Impact of SARS-CoV-2 Infection on Essential Tremor: A Retrospective Clinical and Kinematic Analysis
Notice bibliographique
Résumé
In the past few years, SARS-CoV-2 infection has substantially impacted public health. Alongside respiratory symptoms, some individuals have reported new neurological manifestations or a worsening of pre-existing neurological conditions. We previously documented two cases of essential tremor (ET) who experienced a deterioration in tremor following SARS-CoV-2 infection. However, the effects of SARS-CoV-2 on ET remain largely unexplored. This study aims to evaluate the impact of SARS-CoV-2 infection on a relatively broad sample of ET patients by retrospectively comparing their clinical and kinematic data collected before and after the exposure to SARS-CoV-2. We surveyed to evaluate the impact of SARS-CoV-2 infection on tremor features in ET. Subsequently, we retrospectively analysed clinical and kinematic data, including accelerometric recordings of postural and kinetic tremor. We included 36 ET patients (14 females with a mean age of 71.1 ± 10.6 years). Among the 25 patients who reported SARS-CoV-2 infection, 11 (44%) noted a subjective worsening of tremor. All patients reporting subjective tremor worsening also exhibited symptoms of long COVID, whereas the prevalence of these symptoms was lower (50%) in those without subjective exacerbation. The retrospective analysis of clinical data revealed a tremor deterioration in infected patients, which was not observed in non-infected patients. Finally, kinematic analysis revealed substantial stability of tremor features in both groups. The study highlighted a potential correlation between the SARS-CoV-2 infection and clinical worsening of ET. Long COVID contributes to a greater impact of tremor on the daily life of ET patients.
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 | 0,000 |
| 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) | 0,000 | 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 ».