Sintomas físicos, psíquicos e cognitivos persistentes da COVID-19 na população em geral e entre trabalhadores de saúde : revisão sistemática com metanálise
Notice bibliographique
Résumé
Introdução: a pandemia da COVID-19 foi responsável por um elevado número de infecções e óbitos no mundo. A doença pode se manifestar em diferentes níveis de gravidade, sendo o sistema respiratório o mais comumente acometido. Os trabalhadores de saúde foram expostos a altas cargas virais no cuidado aos pacientes infectados, o que foi comprovado pelas elevadas taxas de infecção nessa população. Sabe-se que os sintomas podem persistir após a infecção aguda, caracterizando a Síndrome Pós-COVID ou Long COVID, que impacta na qualidade de vida dos indivíduos afetados. Considerando que os trabalhadores de saúde foram um grupo altamente exposto ao vírus, os sintomas persistentes também podem estar presentes mesmo após a infecção cessada. Para este trabalho, buscou-se responder à seguinte questão: “Quais são os sintomas físicos, psíquicos e cognitivos persistentes decorrentes da infecção por SARS-CoV-2 mais prevalentes na população em geral e entre os trabalhadores da saúde, oriundos de estudos de coorte?” Objetivo: identificar as prevalências dos sintomas físicos, psíquicos e cognitivos persistentes da COVID-19 na população em geral e nos trabalhadores de saúde infectados pela doença, a partir de evidências oriundas de estudos de coorte. Método: trata-se de uma revisão sistemática com metanálise, guiada por PRISMA. O protocolo foi registrado na plataforma PROSPERO sob número CRD42023460632. Foram incluídos apenas estudos de coorte com acompanhamento após diagnóstico confirmado de COVID-19 de no mínimo 12 semanas após a infecção. Pesquisas exclusivamente com população pediátrica foram excluídas. As buscas foram feitas em novembro de 2023 nas bases de dados Embase, LILACS/BVS, Pumed, Scielo, Scopus e literatura cinzenta, com descritores de Síndrome Pós-COVID e estudos de coorte, associados aos operadores booleanos. As duplicatas foram excluídas através do Endnote. Os artigos foram selecionados por dois revisores independentes com auxílio do software Rayyan, e, após, foram extraídos em tabela Excel. Foram extraídos todos os sintomas emergidos na leitura dos estudos na íntegra. Utilizou-se o modelo aleatório para a metanálise de prevalência combinada (com intervalo de confiança de 95%) no software R, para os desfechos mais prevalentes. Para redução de heterogeneidade, foram realizadas análises de subgrupos. A qualidade metodológica dos estudos foi avaliada através da Escala Newcastle-Ottawa. Resultados: foram encontrados 2.457 estudos (2.456 nas bases de dados e um pela literatura cinzenta). Após a exclusão dos artigos duplicados, 1227 artigos foram avaliados pelo título e resumo, e 204 foram submetidos à leitura na íntegra. Foi possível elencar 19 sintomas persistentes mais prevalentes, os quais foram submetidos à metanálise e apresentados por meio de dois artigos. Acerca dos sintomas físicos, foram incluídos no primeiro artigo 59 estudos, sendo a fadiga o sintoma de maior prevalência (0.29 [0.24;0.36]). No segundo artigo, no qual foram abordadas as alterações psíquicas e cognitivas, foram incluídos 47 estudos, com destaque para os sintomas de ansiedade (0.17 [0.11;0.27]) e alterações cognitivas (0.15[0.11;0.20]). As prevalências de sintomas nos trabalhadores de saúde não superaram os percentuais da população em geral. Todos os desfechos analisados apresentaram alta heterogeneidade entre os estudos incluídos, mesmo após análise de subgrupos. A maioria dos estudos incluídos na revisão foi avaliado como de qualidade moderada. Considerações finais: apesar de altas prevalências de sintomas, a análise encontrou amplos intervalos de predição e elevadas heterogeneidades, o que pode estar relacionado à variabilidade nos métodos de coleta de dados, característica de estudos do cenário pandêmico. Quanto aos profissionais de saúde, o resultado pode estar relacionado à precocidade da identificação dos sintomas e tratamento dos mesmos. Medidas para mitigar os danos causados pelos efeitos da infecção pela COVID-19 são importantes e estudos longitudinais podem incrementar a compreensão da temática.
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 | 0,010 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,009 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».