Defining a long COVID ‘expotype’ within the P4O2 COVID-19 study
Notice bibliographique
Résumé
INTRODUCTION: Long COVID is estimated to affect at least 10 % of COVID-19 patients, with fatigue being a common complaint. The combined contribution of environmental factors (i.e. exposome) has been associated with COVID-19 severity, however its association with long COVID remains underexplored. This study aims to identify possible exposome phenotypes ('expotypes') related to long COVID severity. METHODS: We recruited 95 long COVID patients in the Netherlands and assessed a range of factors and symptoms at 3-6 months post-infection. Fatigue (FSS), Quality of Life (QoL) and fatigue over time were used as indicators of long COVID severity. We included air pollutants (n = 4), and neighborhood characteristics (n = 7). We performed frequentist and Bayesian analyses to determine factors associated with long COVID severity. Models were adjusted for age, BMI, education level, and sex. RESULTS: We found population density (odds ratio (OR)[95 %Confidence interval(CI)] = 1.03[1.01-1.06]) and light at night (OR[95 %CI] = 0.95[0.90-1.00]) to be associated with fatigue. Decreased odds for having an optimal QoL score was found for increased distance to blue space (OR[95 %CI] = 0.41[0.15-0.93]) in the single exposure model. No significant associations were found for any exposure variables and fatigue over time. No exposure variables were selected in penalized regression models for any outcome. DISCUSSION: The external exposome could be associated with fatigue severity and QoL in long COVID patients, however these associations were not found in the horseshoe model. Prevention strategies and urban planning could take these associations into account to optimize the living environment, however more research is needed to validate and investigate the impact of these results.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».