Global prevalence of post-COVID-19 condition: a systematic review and meta-analysis of prospective evidence
Notice bibliographique
Résumé
INTRODUCTION: We investigated the prevalence of new or persistent manifestations experienced by COVID-19 survivors at 3 or more months after their initial infection, collectively known as post-COVID-19 condition (PCC). METHODS: We searched four electronic databases and major grey literature resources for prospective studies, systematic reviews, authoritative reports and population surveys. A random-effects meta-analysis pooled the prevalence data of 22 symptoms and outcomes. The GRADE approach was used to assess the certainty of evidence. PROSPERO CRD42021231476. RESULTS: Of 20 731 identified references, 194 met our inclusion criteria. These studies followed 483 531 individuals with confirmed COVID-19 diagnosis over periods of up to 2 years. Most focused on adults, nearly two-thirds were conducted in Europe and 63% were of high or moderate quality. The supplementary search identified 17 systematic reviews, five authoritative reports and four population surveys that reported on PCC prevalence. Our analysis revealed that more than half of COVID-19 survivors experienced one or more symptoms more than a year after their initial infection. The most common symptoms were fatiguedyspneamemory, sleep or concentration disturbances; depressionand pain. Limitation in returning to work was the most common outcome. Prevalence tended to be higher among females, individuals hospitalized during their initial infection and those who experienced severe COVID-19 illness. CONCLUSION: PCC presents a significant health burden, affecting some groups more than others. This information will help inform health care system policies and services for people living with PCC and those caring for them.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».