Long COVID as a risk factor for hypersomnolence and fatigue: insights from the 2nd International Covid Sleep Study Collaboration (ICOSS-2)
Notice bibliographique
Résumé
BACKGROUND: Hypersomnolence, defined as excessive daytime sleepiness (EDS), excessive quantity of sleep (EQS), sleep inertia, and fatigue reduce quality of life. We assessed associations of the COVID-19 pandemic, infection without long-term sequalae (short COVID, SC), and long COVID (LC) on hypersomnolence and fatigue in a large population across different countries. METHODS: As part of an online questionnaire (ICOSS-2), we assessed EDS via the Epworth Sleepiness Scale (ESS), fatigue via Fatigue Severity Scale (FSS), and sleep duration at night and per 24 h. We also assessed the associations with EDS, sleep inertia, fatigue and napping by their frequencies, during the pandemic in COVID-negative, SC and LC participants. RESULTS: The final cohort comprised 13,656 participants (69.1 % women, 42.7 ± 16.6 years), with 12.4 % classified SC and 7.5 % LC. ESS scores were higher in LC (9.16, 95 % CI [8.78, 9.53]) compared to SC (7.26, [6.97, 7.55]) and COVID-negative (6.53, [6.43, 6.63]). LC also had higher odds of ESS>10 (OR 1.58, [1.18,2.09]). FSS scores were higher in LC (median 51, IQR 39-59) than SC (34, 25-44) and COVID-negative (35, 25-45), with LC having 2.22 higher odds of severe fatigue. LC cases also reported more EQS (≥10/24 h) than COVID-negative. Worsening of EDS, fatigue, sleep inertia, and napping was reported during pandemic to a greater extent in LC. CONCLUSIONS: LC was associated with higher levels of hypersomnolence and fatigue than in SC or COVID-negative participants, highlighting the need for interventions and future research focusing on sleep symptoms and their relation to long-term health outcomes.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 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 ».