Effects of the COVID-19 Pandemic in Patients with Systemic Autoinflammatory Diseases. An international survey
Notice bibliographique
Résumé
Background: Early in the COVID-19 pandemic it was recognized that individuals who had worse prognoses had hyperinflammatory reactions associated with SARS CoV-2. This was worrisome for patients with systemic autoinflammatory diseases (SAID) who already have episodic hyperinflammation at baseline. Aim: To assess the effects of the COVID-19 pandemic and SARS CoV-2 infection on patients with SAID. Methods: An anonymous survey developed on the Survey Monkey platform was distributed online through social media and support groups of patients with SAID between January 20th and May 17th of 2021. Results: We analyzed 484 surveys that conveyed data from 593 patients with SAID. Seventy-four percent of the surveys were answered in the United States, US territories, and Canada (n=360/484) and the rest from other countries. Sixty percent (n=330/547) of patients with SAID did not experience changes in the frequency of flares during the first year of the pandemic. Ten percent (n=52/545) of patients had presumed or confirmed COVID-19. Of those, 81% (n=42/52) had mild and moderate symptoms and 4 were hospitalized. Thirty-one percent (n=16/52) experienced flares during or after the infection and 40% (n=21/52) reported post-COVID manifestations. The individuals who had moderate symptoms or were hospitalized for COVID-19 were more likely to report post-COVID manifestations, OR 5.25 (95%CI 1.57-17.6, p=0.0072). Post-COVID integumentary manifestations occurred after asymptomatic and mild COVID-19 whereas neurologic manifestations occurred after acute COVID-19 with moderate symptoms or requiring hospitalization. Conclusion: During the COVID-19 pandemic, over half of patients with SAID did not experience changes in the frequency of flares despite a decreased exposure to environmental triggers. Few individuals with SAID required hospitalization for COVID-19. The presence and type of post-COVID manifestations were associated with the severity of acute COVID-19 in patients with SAID.
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 | 0,002 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».