“I feel like my body is broken”: Exploring the experiences of people living with long COVID
Notice bibliographique
Résumé
Abstract Background Long COVID, an illness affecting a subset of individuals after COVID-19, is distressing and poorly understood. Exploring the experiences of people with long COVID could help inform current conceptualizations of the illness, guide supportive care strategies, and validate patients’ perspectives on the condition. Thus, the objective of this study was to better understand and explore individuals’ experiences with long COVID and commonly reported symptoms, using qualitative data collected from open-ended survey responses. Methods Data were collected from adults living with long COVID following a confirmed or suspected SARS-CoV-2 infection who participated in a larger observational, online survey. Within the larger survey, participants had the option of answering seven open-ended items. Data from the open-ended items were analyzed following guidelines for reflective thematic analysis. Results From the 213 who were included in the online survey, 169 participants who primarily self-identified as women (88.2%), aged 40-49 (33.1%), and who had been experiencing long COVID symptoms for ≥ 6 months (58.6%) responded to the open-ended questions. Four overlapping and interconnected themes were identified: (1) My long COVID symptoms are numerous, hard to describe, and debilitating , (2) All aspects of my day-to-day functioning have been impacted , (3) I can no longer be physically active , and (4) I keep asking for help, but no one is listening, and very little is working . Conclusion Findings highlight the complex nature of long COVID and show the ways in which individuals affected by the illness are negatively impacted. Participants recounted struggling and altering their daily activities while managing relapsing-remitting symptoms, an uncertain prognosis, lost pre-COVID identities, and a healthcare system (that does not always offer guidance nor take them seriously). More support and recognition for the condition are needed to help this cohort navigate the process of adapting to long COVID.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,013 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».