Physical, cognitive, and mental health impacts of COVID-19 following hospitalisation – a multi-centre prospective cohort study
Notice bibliographique
Résumé
Background The impact of COVID-19 on physical and mental health, and employment following hospitalisation is poorly understood. Methods PHOSP-COVID is a multi-centre, UK, observational study of adults discharged from hospital with a clinical diagnosis of COVID-19 involving an assessment between two- and seven-months later including detailed symptom, physiological and biochemical testing. Multivariable logistic regression was performed for patient-perceived recovery with age, sex, ethnicity, body mass index (BMI), co-morbidities, and severity of acute illness as co-variates. Cluster analysis was performed using outcomes for breathlessness, fatigue, mental health, cognition and physical function. Findings We report findings of 1077 patients discharged in 2020, from the assessment undertaken a median 5 [IQR4 to 6] months later: 36% female, mean age 58 [SD 13] years, 69% white ethnicity, 27% mechanical ventilation, and 50% had at least two co-morbidities. At follow-up only 29% felt fully recovered, 20% had a new disability, and 19% experienced a health-related change in occupation. Factors associated with failure to recover were female, middle-age, white ethnicity, two or more co-morbidities, and more severe acute illness. The magnitude of the persistent health burden was substantial and weakly related to acute severity. Four clusters were identified with different severities of mental and physical health impairment: 1) Very severe (17%), 2) Severe (21%), 3) Moderate with cognitive impairment (17%), 4) Mild (46%), with 3%, 7%, 36% and 43% feeling fully recovered, respectively. Persistent systemic inflammation determined by C-reactive protein was related to cluster severity, but not acute illness severity. Interpretation We identified factors related to recovery from a hospital admission with COVID-19 and four different phenotypes relating to the severity of physical, mental, and cognitive health five months later. The implications for clinical care include the potential to stratify care and the need for a pro-active approach with wide-access to COVID-19 holistic clinical services.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».