Applying the WHO ICF Framework to the Outcome Measures Used in the Evaluation of Long-Term Clinical Outcomes in Coronavirus Outbreaks
Notice bibliographique
Résumé
(1) Objective: The World Health Organization's (WHO) International Classification of Functioning, Disability and Health (ICF) classification is a unified framework for the description of health and health-related states. This study aimed to use the ICF framework to classify outcome measures used in follow-up studies of coronavirus outbreaks and make recommendations for future studies. (2) Methods: EMBASE, MEDLINE, CINAHL and PsycINFO were systematically searched for original studies assessing clinical outcomes in adult survivors of severe acute respiratory distress syndrome (SARS), middle east respiratory syndrome (MERS) and coronavirus disease-19 (COVID-19) after hospital discharge. Individual items of the identified outcome measures were linked to ICF second-level and third-level categories using ICF linking rules and categorized according to an ICF component. (3) Results: In total, 33 outcome measures were identified from 36 studies. Commonly used (a) ICF body function measures were Pulmonary Function Tests (PFT), Impact of event scale (IES-R) and Hospital Anxiety and Depression Scale (HADS); (b) ICF activity was 6-Minute Walking Distance (6MWD); (c) ICF participation measures included Short Form-36 (SF-36) and St George's Respiratory Questionnaire (SGRQ). ICF environmental factors and personal factors were rarely measured. (4) Conclusions: We recommend future COVID-19 follow-up studies to use the ICF framework to select a combination of outcome measures that capture all the components for a better understanding of the impact on survivors and planning interventions to maximize functional return.
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 | 0,023 | 0,009 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».