Fatigue and cognitive dysfunction in previously hospitalized patients with COVID-19: A 1-year follow-up
Notice bibliographique
Résumé
PURPOSE: The aim was to longitudinally explore changes in fatigue- and cognition-related symptoms during the first year after hospital treatment for COVID-19. METHOD: Patients hospitalized for COVID-19 in Gothenburg, Sweden, were consecutively included from 01-07-2020 to 28-02-2021. Patients were assessed at the hospital (acute) and at 3 and 12 months after hospital discharge. Cognition was assessed with the Montreal Cognitive Assessment (MoCA), the Trail Making Test B (TMTB), and the Cognitive Failure Questionnaire (CFQ). Fatigue was assessed using the Multidimensional Fatigue Inventory-20 (MFI-20) and the Mental Fatigue Scale (MFS). Data was analyzed with demographics and changes over time calculated with univariable mixed-effects models. RESULT: In total, 122 participants were included. Analyzes of Z-scores for MoCA indicated improvement over the year, however the results were 1 SD below norm at all assessments. Alertness (TMTB scores) improved significantly from the acute assessment to the 12- month follow-up (p = <0.001, 95% CI 34.67-69.67). CFQ scores indicated cognitive impairment, and the sum scores for MFI reflected a relatively high degree of fatigue at follow-up. CONCLUSION: In the first year after hospitalization for COVID-19, most patients experienced fatigue and cognitive impairment. Alertness improved, but improvements in other domains were limited.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».