Identifying Potential Vulnerability to Long COVID Through Global‐to‐Local Inequalities in Years Lived With Disability Attributed to COVID‐19, 2020–2021, Across 920 Locations
Notice bibliographique
Résumé
ABSTRACT The COVID‐19 pandemic has reshaped global health; however, the long‐term burden of long COVID remains poorly understood, especially in low‐ and middle‐income countries (LMICs), where limited surveillance and data gaps may obscure a substantial and sustained impact. Using the Global Burden of Disease (GBD) 2021 framework, we previously assessed the direct COVID‐19 burden—including incidence, prevalence, mortality, and disability‐adjusted life‐years (DALYs)—across 920 locations during 2020–2021. In this study, we focus on years lived with disability (YLDs), particularly in 2021, as a potential early indicator to identify locations and populations that may be at higher risk of long COVID burden in subsequent years (e.g., 2022–2023). We also examine patterns of inequality to highlight vulnerable groups. Our findings are consistent with multiple large‐scale studies on long COVID and suggest that YLDs may serve as a useful early proxy for ongoing burden. Importantly, we identify notably higher age‐standardized YLD rates in LMICs—especially in Sub‐Saharan Africa and in parts of South Asia and Eastern Europe. These areas, previously underexplored in long COVID research, might be particularly susceptible to its effects. Among the top 10 countries with the highest age‐standardized YLD rates in 2021, 80% fell within the low, low‐middle, and middle Socio‐demographic Index (SDI) categories. These high age‐standardized YLD rates may point to systemic vulnerabilities and entrenched structural health disparities, indicating a potential for considerable and enduring long COVID burden that could persist to the present day in the absence of targeted interventions. Furthermore, our inequality analysis underscores that while both advantaged and disadvantaged groups in LMICs require attention, the most disadvantaged groups warrant special focus due to their more severe resource constraints and restricted capacity for resilience‐building. Overall, this study supports calls for stronger surveillance, expanded access to rehabilitation, and better integration of long COVID care into universal health coverage. Continued GBD updates will be essential for monitoring trends and guiding responsive public health strategies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».