Deoxygenation Trends and Their Multivariate Association with Self-Reported Fatigue in Post-COVID Syndrome
Notice bibliographique
Résumé
Background/Objectives: A relevant subgroup of post-COVID-19 syndrome (PCS) patients suffers from post-exertional malaise (PEM) and cardiovascular or neurological symptoms, impairing daily functioning up to becoming even house- or bedbound. Recent data suggest that PCS summarizes different subgroups, one of them being characterized by an impaired microcirculation. Thus, the aim of the present study was to investigate local deoxygenation, measured with non-invasive near-infrared regional spectroscopy (NIRS), and its association with self-reported fatigue in patients with PCS compared to controls in light exercise. Methods: 150 participants (100 PCS patients and 50 controls) were recruited. PEM was assessed using FACIT, Chalder, and Bell scoring and Canadian Criteria. NIRS was used to measure local oxygenation while kneading a stress ball and during recovery. Results: PCS patients showed fatigue scores of 30 (Bell score), 20.6 (FACIT fatigue score), and 9.914 (Chalder fatigue score). Decreased deoxygenation peaks at the start of exercise were observed in patients with PCS, compared to controls (p = 0.0002). Multivariate analysis identified a subgroup, showing an association between strong fatigue and restricted oxygenation dynamics. Conclusions: NIRS could be a potential tool to assess deoxygenation deficits even in moderate to severely impaired PCS patients using light exercise 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».