Rehabilitation and COVID-19: rapid living systematic review by Cochrane Rehabilitation Field - third edition. Update as of June 30th, 2021
Notice bibliographique
Résumé
INTRODUCTION: This paper updates and summarizes the current evidence informing rehabilitation of patients with COVID-19 and/or describing the consequences of the disease and its treatment. EVIDENCE ACQUISITION: , 2021 were selected, excluding descriptive studies and expert opinions. Papers were categorized according to study design, research question, COVID-19 phase, limitations of functioning of rehabilitation interest, and type of rehabilitation service involved. From this edition, we improved the quality assessment using the Joanna Briggs Institute checklists for observational studies and the Cochrane Risk of Bias Tool for randomized-controlled clinical trials (RCTs). EVIDENCE SYNTHESIS: Twenty-five, out of 3699 papers, were included. They were three RCTs, 13 cross-sectional studies and nine cohort studies. Twenty studies reported data on symptom prevalence (N.=13) or disease natural history (N.=7); and five studies reported intervention effectiveness at the individual level. All study participants were COVID survivors and 48% of studies collected information on participants 6 months or longer after COVID-19 onset. The most frequent risks of bias for RCTs concerned weaknesses in allocation concealment, blinding of therapists, and lack of intention-to-treat analysis. Most analytical studies failed to identify or deal with confounders, describe or deal with dropouts or eventually perform an appropriate statistical analysis. CONCLUSIONS: Most studies in this updated review targeted the prevalence of limitations of functioning of rehabilitation interest in COVID-19 survivors. This is similar to past review findings; however, data in the new studies was collected at longer follow-up periods (up to one year after symptom onset) and in larger samples of participants. More RCTs and analytical observational studies are available, but the methodological quality of recently published studies is low. There is a need for good quality intervention efficacy and effectiveness studies to complement the rapidly expanding evidence from observational studies.
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 | 0,009 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».