The impact of the COVID-19 pandemic on children with medical complexity
Notice bibliographique
Résumé
Abstract Background Descriptions of the COVID-19 pandemic’s indirect consequences on children are emerging. We aimed to describe the impacts of the pandemic on children with medical complexity (CMC) and their families. Methods A one-time survey of Canadian paediatricians using the Canadian Paediatric Surveillance Program (CPSP) was conducted in Spring 2021. Results A total of 784 paediatricians responded to the survey, with 70% (n=540) providing care to CMC. Sixty-seven (12.4%) reported an adverse health outcome due to a COVID-19 pandemic-related disruption in healthcare delivery. Disruption of the supply of medication and equipment was reported by 11.9% of respondents (n=64). Respondents reported an interruption in family caregiving (47.5%, n=252) and homecare delivery (40.8%, n=218). Almost 47% of respondents (n=253) observed a benefit to CMC due to COVID-19 related changes in healthcare delivery, including increased availability of virtual care and reduction in respiratory illness. Some (14.4%) reported that CMC were excluded from in-person learning when their peers without medical complexity were not. Conclusion Canadian paediatricians reported that CMC experienced adverse health outcomes during the COVID-19 pandemic, including disruptions to family caregiving and community supports. These results highlight the need for healthcare, community and education policymakers to collaborate with families to optimize their health. “What This Study Adds” Children with medical complexity experienced adverse health outcomes related to the direct and indirect effects of the COVID-19 pandemic. The COVID-19 pandemic has interrupted family caregiving, homecare support, access to education, and key supports for CMC and their families. Canadian paediatricians observed benefits associated with structural changes relating to the COVID-19 pandemic, including the expansion of virtual care and the reduced incidence of respiratory illness
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».