MétaCan
Menu
Retour à la cohorte
Enregistrement W3194400838 · doi:10.1111/epi.17045

Epilepsy care during the COVID‐19 pandemic

2021· article· en· W3194400838 sur OpenAlexaff
J. Helen Cross, Churl‐Su Kwon, Ali A. Asadi‐Pooya, Ganna Balagura, Patricia Gómez‐Iglesias, Alla Guekht, Julie M. Hall, Akio Ikeda, Nirmeen A. Kishk, Peter Murphy, Najib Kissani, Yahya Naji, Emilio Perucca, Juan Carlos Pérez‐Poveda, Emmanuel Sanya, Eugen Trinka, Dong Zhou, Samuel Wiebe, Nathalie Jetté

Notice bibliographique

RevueEpilepsia · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute for Health and Care ResearchGW PharmaceuticalsNational Institute of Neurological Disorders and StrokeZogenixVitaflo
Mots-clésPandemicContext (archaeology)MedicineTelehealthTelemedicineHealth careDistressEpilepsyFamily medicineMental healthCoronavirus disease 2019 (COVID-19)PsychiatryNursingDiseaseClinical psychologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease 2019 (COVID-19) pandemic has affected the care of all patients around the world. The International League Against Epilepsy (ILAE) COVID-19 and Telemedicine Task Forces examined, through surveys to people with epilepsy (PWE), caregivers, and health care professionals, how the pandemic has affected the well-being, care, and services for PWE. The ILAE included a link on their website whereby PWE and/or their caregivers could fill out a survey (in 11 languages) about the impact of the COVID-19 pandemic, including access to health services and impact on mental health, including the 6-item Kessler Psychological Distress Scale. An anonymous link was also provided whereby health care providers could report cases of new-onset seizures or an exacerbation of seizures in the context of COVID-19. Finally, a separate questionnaire aimed at exploring the utilization of telehealth by health care professionals since the pandemic began was available on the ILAE website and also disseminated to its members. Seventeen case reports were received; data were limited and therefore no firm conclusions could be drawn. Of 590 respondents to the well-being survey (422 PWE, 166 caregivers), 22.8% PWE and 27.5% caregivers reported an increase in seizure frequency, with difficulty in accessing medication and health care professionals reported as barriers to care. Of all respondents, 57.1% PWE and 21.5% caregivers had severe psychological distress (k score >13), which was significantly higher among PWE than caregivers (p<0.01). An increase in telemedicine use during the COVID-19 pandemic was reported by health care professionals, with 40% of consultations conducted by this method. Although 74.9% of health care providers thought that this impacted positively, barriers to care were also identified. As we move forward, there is a need to ensure ongoing support and care for PWE to prevent a parallel pandemic of unmet health care needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,313
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetLong-Term Effects of COVID-19Travaux en français237 207