MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404097199 · doi:10.1183/13993003.congress-2024.pa4340

Late Breaking Abstract - Exploring optimal management of mild to moderate long-COVID symptoms with OTC medication

2024· article· en· W4404097199 sur OpenAlexaff
Guy Boivin, Benjamin J. Cowling, William M. Shannon, Preeti Kachroo, Pascal Mallefet, Pranab Kalita, Alexandru Mircea Georgescu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Computer scienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Long COVID (LC) refers to the sequel or development of new symptoms 3 months after initial COVID-19 infection, affecting more than 17 million people across the WHO European Region. Understanding use of over-the-counter (OTC) medication in LC is crucial due to its global impact and real-world use. Aims and Objective: The review aims to guide clinicians in understanding and managing LC symptoms using OTC medication. Method: A literature search was conducted upto May 27, 2024 in PubMed & EMBASE using keywords related to LC & OTC medication including naturals Results: The lack of a clear clinical definition makes management of LC symptoms challenging. The prevalence of LC varies from 5–30%, affecting major organ systems & patients’ quality of life (QoL). Common symptoms include fatigue, dyspnea, persistent cough, chest pain, myalgia, anxiety, fever. While no specific treatments are approved, OTC medications can help manage symptoms & improve patients QoL. Studies indicate that paracetamol and non-steroidal anti-inflammatory drugs (NSAIDs) can help with symptoms like fever or pain lasting ≥3 months after COVID-19. Also, OTC medications and naturals, like mucolytics, antitussives and antihistamines, may benefit for selected LC patients. Promising OTC medications may eventually be incorporated into evidence-based guidelines for managing certain LC symptoms Conclusion: LC imposes a significant medical burden on patients, of treatment without guidance affecting their QoL. While no specific treatments are approved, symptomatic management approaches can provide relief. Several OTC medications effectively address mild-to-moderate LC symptoms, including those related to colds, flu, fever and pain

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0490,009

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,313
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLong-Term Effects of COVID-19→Travaux en français237 207→