Fatigue Severity, Cognitive Strain, and Psychological Health in Long COVID: Untangling the Interconnected Aftermath from a Dedicated Long COVID Clinic
Notice bibliographique
Résumé
Post-acute sequelae of SARS-CoV-2 infection (PASC) frequently includes persistent fatigue and cognitive dysfunction, but the relationship between these symptoms remains poorly defined. In this prospective observational study at the Henry Ford St. John Long COVID Clinic (LCC) from July 2023 to March 2025, we assessed fatigue severity using the Fatigue Assessment Scale (FAS) and examined its relationship with depression and cognitive symptoms. New patients completed demographic and clinical questionnaires, Patient Health Questionnaire (PHQ)-9, and Montreal Cognitive Assessment (MoCA) at their first LCC visit. Among 41 patients, 35 (85.4%) met the inclusion criteria for fatigue (FAS ≥ 22), with 18 (51.5%) experiencing severe fatigue (FAS > 34). Severe fatigue was significantly associated with shortness of breath, chest pain, and depression. Patients experiencing severe fatigue had significantly higher median PHQ-9 scores (12.5) compared to those with mild to moderate fatigue (5.0, p < 0.001). However, there were no significant differences in MoCA scores between these groups. Our study suggests a strong relationship between fatigue and depression in patients with PASC, emphasizing the importance of integrated physical and psychological healthcare. Moreover, since cognitive performance does not vary with fatigue levels, all PASC patients with cognitive dysfunction should receive routine cognitive screenings, regardless of the severity of their fatigue.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».