MétaCan
Menu
Retour à la cohorte
Enregistrement W4405500767 · doi:10.1016/j.tem.2024.11.008

Skeletal muscle adaptations and post-exertional malaise in long COVID

2024· review· en· W4405500767 sur OpenAlexaff
Braeden T. Charlton, Richie P. Goulding, Richard T. Jaspers, Brent Appelman, Michèle van Vugt, Rob C. I. Wüst

Notice bibliographique

RevueTrends in Endocrinology and Metabolism · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueFibromyalgia and Chronic Fatigue Syndrome Research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesME Research UKZonMw
Mots-clésmyalgiaMalaiseSkeletal muscleMedicineExertionMuscle fatigueInternal medicineExercise intolerancePathophysiologyCardiologyPhysical medicine and rehabilitationPhysical therapyHeart failure

Résumé

récupéré en direct d'OpenAlex

When acute SARS-CoV-2 infections cause symptoms that persist longer than 3 months, this condition is termed long COVID. Symptoms experienced by patients often include myalgia, fatigue, brain fog, cognitive impairments, and post-exertional malaise (PEM), which is the worsening of symptoms following mental or physical exertion. There is little consensus on the pathophysiology of exercise-induced PEM and skeletal-muscle-related symptoms. In this opinion article we highlight intrinsic mitochondrial dysfunction, endothelial abnormalities, and a muscle fiber type shift towards a more glycolytic phenotype as main contributors to the reduced exercise capacity in long COVID. The mechanistic trigger for physical exercise to induce PEM is unknown, but rapid skeletal muscle tissue damage and intramuscular infiltration of immune cells contribute to PEM-related symptoms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,379
Écart entre enseignants0,327 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Endocrinology and MetabolismMême sujetFibromyalgia and Chronic Fatigue Syndrome ResearchTravaux en français237 207