Cognitive disorders in people who have had COVID-19
Notice bibliographique
Résumé
Relevance. COVID-19 infection has a significant damaging effect on the cognitive functions of people who have had this infection, and also causes changes in their emotional state. The study of the causes and features of clinical manifestations of cognitive and emotional disorders in such individuals is necessary to develop effective diagnostic methods and develop a rehabilitation program to improve their social functioning. The aim of the study was to develop a rehabilitation program for people with cognitive and emotional disorders due to COVID-19 infection by analyzing the severity and structure of their cognitive impairment and studying the associated emotional symptoms. Materials and Methods. The study was based on the results of a survey of people of different ages who had cognitive and emotional disorders due to COVID-19. The study was conducted using theoretical (literature review) and empirical methods (psychodiagnostic methods - Montreal Cognitive Assessment (MoCA), Schulte Tables, 10 Words by A. R. Luria, Hospital Anxiety and Depression Scale (HADS)). Results and Discussion The severity and structure of cognitive and emotional disorders differ by age. Older people have more severe cognitive impairment and a higher proportion of anxiety disorders, while younger people have less cognitive deficits and a prevalence of depressive symptoms. The most common disorders in both age groups are memory and sensorimotor reaction time disorders. Conclusions. Rehabilitation programs for these individuals should be aimed at reducing cognitive deficits, concomitant emotional disorders, and improving their social functioning. Programs should be personalized, taking into account the specifics of the disorders in each case.
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 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».