Executive function deficit in patients with long COVID syndrome: A systematic review
Notice bibliographique
Résumé
Background: Post-COVID-19 condition (Long COVID) refers to a condition in which patients endure persistent symptoms for more than 12 weeks, typically occurring at least 3 months after the onset of Coronavirus disease 2019 (COVID-19) infection. It occurs when a constellation of symptoms persists following the initial illness, and this may obstruct a daily routine and impose difficulty in life. Therefore, this study aimed to systematically review published articles assessing the neurocognitive profile of long COVID patients, with a specific emphasis on executive function (EF), and to determine the correlation between EF deficits and brain alterations through the utilisation of neuroimaging modalities. Methods: A thorough search was conducted using the PubMed/MEDLINE and Web of Science online databases following the PICOS and PRISMA 2020 guidelines. All included studies were deemed to be of high quality according to the Newcastle-Ottawa Scale (NOS). Results: A total of 31 out of 3268 articles were included in the present study. The main outcome is the proportion of individuals with cognitive deficits, particularly in the EF domain, as detected by neuropsychological assessments. The present study also revealed that EF deficits in long COVID patients are correlated with disruptions in the frontal and cerebellar regions, affecting processes such as nonverbal reasoning, executive aspects of language, and recall. This consistent disturbance also emphasised the correlation between EF deficits and brain alterations in patients with long COVID. Conclusion: The present study highlights the importance of evaluating EF deficits in long COVID patients. This insight has the potential to improve future treatments and interventions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».