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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».