The Effects of the Health System Response to the COVID-19 Pandemic on Chronic Disease Management: A Narrative Review
Notice bibliographique
Résumé
BACKGROUND: Individuals with chronic conditions require ongoing disease management to reduce risks of adverse health outcomes. During the COVID-19 pandemic, health care for non-COVID-19 cases was affected due to the reallocation of resources towards urgent care for COVID-19 patients, resulting in inadequate ongoing care for chronic conditions. METHODS: A keyword search was conducted in PubMed, Google Scholar, Science Direct, and Scopus for English language articles published between January 2020 and January 2021. FINDINGS: During the COVID-19 pandemic, in-person care for individuals with chronic conditions have decreased due to government restriction of elective and non-urgent healthcare visits, greater instilled fear over potential COVID-19 exposure during in-person visits, and higher utilization rates of telemedicine compared to the pre-COVID-19 period. Potential benefits of a virtual-care framework during the pandemic include more effective routine disease monitoring, improved patient satisfaction, and increased treatment compliance and follow-up rates. However, more needs to be done to ensure timely and effective access to telemedicine, particularly for individuals with lower digital literacy. Capitation primary care models have been proposed as a more financially-robust approach during the COVID-19 pandemic than fee-for-service primary care models; however, the interplay between different primary models and the health outcomes is still poorly understood and warrants further investigation. Shortages of medication used to manage chronic conditions were also observed at the beginning of the COVID-19 pandemic due to global supply chain disruptions. Finally, patients with chronic conditions faced lifestyle disruptions due to the COVID-19 pandemic, specifically in physical activity, sleep, stress, and mental health, which need to be better addressed. INTERPRETATION: Overall, this review elucidates the disproportionately greater barriers to primary and specialty care that patients with chronic diseases face during the COVID-19 pandemic and emphasizes the urgent need for better chronic disease management strategies moving forward.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».