Post-acute sequela of COVID-19 infection in individuals with multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Many common symptoms in post-acute sequelae following severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection (PASC) overlap with those of multiple sclerosis (MS). We examined symptoms and performance of the PASC score, developed in the general population, in MS based on infection history. METHODS: We surveyed North American Research Committee on Multiple Sclerosis (NARCOMS) registry participants regarding infections and categorized participants based on infection history. Symptoms experienced before, during, and after infection were used to identify persistent new symptoms. PASC was defined as a score ⩾ 12 based on the National Institutes of Health (NIH) study RECOVER. RESULTS: Of 4787 participants surveyed, 2927 were included: 294 (10%) having recent COVID-19; 853 (29.1%) recent non-COVID-19 infection; 246 (8.4%) recent COVID-19 and non-COVID-19 infection; 1534 (52.4%) uninfected, defined as never having COVID-19 nor any infection within the past 6 months. Compared to those uninfected, infection groups reported at least a two-fold increase in fever, cough, loss of smell/taste, and shortness of breath. Based on persistent new symptoms, PASC was identified in only 1.5% of participants with COVID-19. CONCLUSION: Our study suggests lower than expected prevalence of PASC in MS and a complex association between infections and development of new persistent symptoms following infections. The similar proportions classified with PASC across infection groups shows that symptoms of PASC are common and complicate assessment of PASC in MS.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».