EUVIMEDEUVIMED entdecken
CrossrefInfokarte

A Research Classification for Long COVID: Symptom Frequency and Severity Improve Accuracy of Machine Learning Models

Leonard A. Jason, Lauren Ruesink, Jacob Furst, Ben Z. Katz

Chronic Diseases and Translational Medicine · 2026

DOI: 10.1002/cdt3.70044 ↗
AbstractBibliografische Angaben

Abstract

Summary Long COVID definitions based solely on symptom occurrence may reduce diagnostic specificity. Machine‐learning models incorporating symptom frequency and severity outperformed occurrence‐only models. Composite scoring achieved 90.12% accuracy compared with 88.73% for occurrence‐based scoring. Composite models required fewer predictive symptoms, indicating greater efficiency. Measuring symptom burden improves the precision of research classification for Long COVID.

Wissen, das zu Ihrer Arbeit passt.

Vom kostenlosen Einstieg über die persönliche Recherche bis zur vollständigen Research Suite.

Tarife ansehen →

Sind alle Verlagsvolltexte enthalten?

Nein. Bibliografische Nachweise, Abstracts und Volltexte sind unterschiedliche Inhalte. Ob ein Volltext verfügbar ist, hängt von der Quelle, Open Access und Ihren vorhandenen Lizenzen ab. Ein EUVIMED-Tarif ersetzt keine zusätzlichen Verlagsrechte.

Tarife ansehen →