Long COVID clinical evaluation, research and impact on society: a global expert consensus
Notice bibliographique
Résumé
BACKGROUND: Long COVID is a complex, heterogeneous syndrome affecting over four hundred million people globally. There are few recommendations, and no formal training exists for medical professionals to assist with clinical evaluation and management of patients with Long COVID. More research into the pathology, cellular, and molecular mechanisms of Long COVID, and treatments is needed. The goal of this work is to disseminate essential information about Long COVID and recommendations about definition, diagnosis, treatment, research and social issues to physicians, researchers, and policy makers to address this escalating global health crisis. METHODS: A 3-round modified Delphi consensus methodology was distributed internationally to 179 healthcare professionals, researchers, and persons with lived experience of Long COVID in 28 countries. Statements were combined into specific areas: definition, diagnosis, treatment, research, and society. RESULTS: The survey resulted in 187 comprehensive statements reaching consensus with the strongest areas being diagnosis and clinical assessment, and general research. We establish conditions for diagnosis of different subgroups within the Long COVID umbrella. Clear consensus was reached that the impacts of COVID-19 infection on children should be a research priority, and additionally on the need to determine the effects of Long COVID on societies and economies. The consensus on COVID and Long COVID is that it affects the nervous system and other organs and is not likely to be observed with initial symptoms. We note, biomarkers are critically needed to address these issues. CONCLUSIONS: This work forms initial guidance to address the spectrum of Long COVID as a disease and reinforces the need for translational research and large-scale treatment trials for treatment protocols.
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 | 0,017 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».