Long-term trends in Post-COVID severity: a machine learning analysis from the POP/COVIDOM cohort of the German NAPKON Cohort Network - PubMed
2 months ago
- #Machine learning
- #Post-COVID syndrome
- #Long COVID
- 新冠后综合征（PCS）以不同的症状特征影响康复者，可根据急性期疾病严重程度（PCS-S）或个体恢复力（PCS-R）进行分类。
- 该研究分析了德国NAPKON队列网络中1526名参与者的数据，追踪了9个月、24个月和36个月期间的PCS-S和PCS-R评分。
- 研究结果显示，PCS-S和PCS-R评分随时间推移出现小幅但显著的下降，表明症状负担持续存在但逐步改善。
- 预测模型解释了后期PCS严重程度16.7%-52.6%的变异，其中疲劳、年龄、生活质量和抑郁是关键预测因素。
- 研究发现性别特异性预测因子：疲劳和睡眠问题可预测PCS-R，女性中生活/就业状态相关，男性则与认知缺陷相关。
- 鉴于症状严重程度随时间呈现稳定性，该研究强调需制定针对性干预措施以实现PCS的长期管理。