Long COVID prevalence and risk factors in adults residing in middle- and high-income countries: secondary analysis of the multinational Anti-Coronavirus Therapies (ACT) trials
Notice bibliographique
Résumé
BACKGROUND: During the recent COVID-19 pandemic, reports of long-term persistence or recurrence of symptoms after SARS-CoV-2 infection emerged, which are now collectively referred to as 'long COVID'. Most descriptions of long COVID originate from patients residing in high-income countries. We set out to characterise long COVID in a large-scale clinical trial that was conducted in low-middle, high-middle and high-income countries. METHODS: The Anti-Coronavirus Therapies trials enrolled 6528 adult patients with symptomatic COVID-19 in Argentina, Brazil, Canada, Colombia, Ecuador, Egypt, India, Nepal, Pakistan, Philippines, Russia, Saudi Arabia, South Africa and the United Arab Emirates. Long COVID was defined as the presence of patient-reported symptoms at 180 days after enrolment. Multivariable logistic regression was used to evaluate associations of baseline characteristics with long COVID. RESULTS: Of 4697 included participants, 1181 (25.1%) reported long COVID symptoms. The most frequently reported symptoms were sleeping disorders (n=601; 12.8%), joint pain (n=461; 9.8%), fatigue (n=410; 8.7%) and headaches (n=382; 8.1%). Long COVID prevalence was higher in participants from lower middle-income compared with high-income countries (29.8% (850/2854) vs 14.4% (102/706); adjusted OR (aOR) 1.53 (1.10 to 2.14); p=0.012). Prevalence also varied between participants of different ethnic backgrounds and was highest (36.1% (775/2145)) for patients of Arab/North African ethnicity. Patients requiring inpatient admission were at increased risk of long COVID (aOR: 2.04 (1.63 to 2.54); p<0.001). Other independent predictors of long COVID were male sex, older age and hypertension. Vaccination, prior lung disease, smoking and diabetes mellitus conferred protective effects. CONCLUSION: Symptoms of long COVID are reported in a quarter of cases of symptomatic COVID-19 in this study and were significantly more prevalent in participants from countries with lower income status and in patients of Arab/North African ethnicity. Research to further assess the health burden posed by long COVID in low- and middle-income countries is urgently needed.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».