Investigating patient-reported outcomes among COVID-19 survivors : a longitudinal cohort study
Notice bibliographique
Résumé
Background: Many Coronavirus Disease 2019 (COVID-19) survivors report long-term sequelae. However, few studies have measured patient-reported outcomes and compared them to those of patients who tested negative for severe acute respiratory syndrome coronavirus-2 (SARS-COV-2). This study compares the long-term physical and mental health outcomes of patients presenting to emergency departments who tested positive for SARS-COV-2 with those who tested negative. Methods: This study enrolled consecutive eligible patients presenting to emergency departments participating in the Canadian COVID-19 Emergency Department Rapid Response Network (CCEDRRN) between March 1st 2020 and July 14th 2021. Patients tested for SARS-COV-2 were eligible. Consecutive SARS-COV-2 positive patients were consented for follow-up, and matched with test-negative controls from the same hospital and date. The outcome measures were the Veterans RAND physical health component score (PCS) and mental health component score (MCS). The PCS and MCS of propensity score matched patients were analyzed using linear mixed effects models. Risk factors for PCS and MCS were modelled using linear regression. Results: Our cohort included 1170 SARS-COV-2 positive patients and 3716 test-negative controls. Comparing the groups, the adjusted mean difference in PCS was 0.50 (95%CI: -0.36, 1.36) and -1.01 (95%CI: -1.91, -0.11) for MCS. A World Health Organization Ordinal Outcome Score of 6-7, representing severe SARS-COV-2 disease, was the strongest predictor of PCS (β=-7.4; 95%CI: -9.8, -5.1). Prior mental health illness was the strongest predictor of MCS (β=-5.4; 95%CI: -6.3, -4.5). Conclusion: The mean PCS was similar among SARS-COV-2 positive and negative participants tested under similar circumstances, while mean MCS was worse among SARS-COV-2 positive participants. The mental health sequelae of COVID-19 should be considered when developing long-term support programs for survivors.
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 | 0,004 |
| 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 | 0,001 |
| 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 ».