Long‐Term Sequelae of COVID‐19: A Systematic Review and Meta‐Analysis of Symptoms 3 Years Post‐SARS‐CoV‐2 Infection
Notice bibliographique
Résumé
ABSTRACT The symptoms of long COVID are well‐documented. However, the long‐term effects beyond 2 years remain poorly understood due to a lack of data. This systematic review and meta‐analysis examined the prevalence of persistent symptoms in COVID‐19 survivors 3 years following initial SARS‐CoV‐2 infection. PubMed, MEDLINE (Ovid), CENTRAL, Web of Science, Scopus, and Embase were searched from inception of the databases up to July 20, 2024, by two independent researchers for articles reporting on the prevalence of persistent symptoms 3 years' post‐infection of people who survived COVID‐19 infection. We employed a random‐effect model for the pooled analysis, and the meta‐analytical effect size was prevalence for the applicable end‐points, I 2 statistics, and quality assessment of included studies using the Newcastle‐Ottawa Scale. Eleven articles were included after the literature search yielded 223 potentially relevant articles. We found that among patients with long COVID, fatigue, sleep disturbances, and dyspnea were the most common symptoms. Pooled analysis showed that the proportion of individuals experiencing at least one persistent symptom 3 years post‐COVID‐19 is 20% (95% confidence interval [CI]: 8–43). The prevalence of persistent symptoms was dyspnea (12%; 95% CI: 10–15), fatigue (11%; 95% CI: 6–20), insomnia (11%; 95% CI: 2–37), loss of smell (7%; 95% CI: 5–8), loss of taste (7%; 95% CI: 3–16), and anxiety (6%; 95% CI: 1–32). Prevalence of other findings include impaired diffusion capacity (42%; 95% CI: 34–50) and impaired forced expiratory volume in 1 s (10%; 95% CI: 8–12). Our findings confirm the persistence of unresolved symptoms 3 years post‐COVID‐19 infection, with implications for future research, healthcare policy, and patient care.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».