Multidimensional Characterization of Long COVID Fatigue
Notice bibliographique
Résumé
OBJECTIVES: We performed a multidimensional analysis of mood, cognition, sleep and circadian rhythms in patients with post-acute sequelae of SARS-CoV-2 infection (PASC) with the objective of characterizing the phenotype of PASC fatigue. METHODS: We recruited adult patients from a Neuro-COVID-19 Clinic with persistence of disabling symptoms beyond 6 weeks from acute infection. Self-reported symptoms were assessed with Patient-Reported Outcomes Measurement Information System instruments. We evaluated cognitive performance using NIH Toolbox measures and assessed sleep and rest-activity rhythms by 7 days of wrist actigraphy. We performed level 2 polysomnography in a subset of 20 participants. RESULTS: We studied 58 participants: 83% White, 59% female and 91% not hospitalized for COVID-19. Fatigue severity was significantly correlated with worse self-reported cognitive abilities but not with objectively measured cognitive performance and with greater depression symptoms, several rest-activity rhythm and light exposure disruption measures, and greater actigraphy measured sleep time and time in bed. A multivariable model found significant, independent associations between fatigue severity and subjective cognitive abilities, depression symptoms, and rest-activity rhythm disruption. CONCLUSIONS: Long total sleep times, disruption of light exposure and circadian rest-activity patterns, depression and subjective cognitive impairment are associated with PASC fatigue. Behaviorally influenced sleep and circadian abnormalities may exacerbate fatigue and be targets for therapeutic interventions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».