MétaCan
Menu
Retour à la cohorte
Enregistrement W4229021212 · doi:10.1111/cch.13015

Neurodisability care in the time of COVID‐19

2022· article· en· W4229021212 sur OpenAlexfundno aff
Tomoki Arichi, Jill Cadwgan, Aoife McDonald, Anita Patel, Susie Turner, Sinead Barkey, Daniel E. Lumsden, Charlie Fairhurst

Notice bibliographique

RevueChild Care Health and Development · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research Council CanadaMedical Research CouncilNational Institute for Health and Care ResearchNIHR Bristol Biomedical Research Centre
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)AnxietyHealth careMultidisciplinary approachMental healthPopulationMedicinePsychologyPsychiatryEnvironmental healthDiseasePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic resulted in an unprecedented societal and healthcare global crisis. Associated changes in regular healthcare provision and lifestyle through societal lockdown are likely to have affected clinical management and well-being of children/young people with neurodisability, who often require complex packages of multidisciplinary care. METHODS: We surveyed 108 families of children/young people with severe physical neurodisability and multiple comorbidities to understand how the pandemic had affected acute clinical status, routine healthcare provision, schooling and family mental and social well-being. RESULTS: A significant proportion of families reported missing hospital appointments and routine therapy, with subsequent worsening of symptoms and function. Families additionally described worsening stress and anxiety during the pandemic, regardless of their baseline level of socio-economic deprivation. CONCLUSION: This highlights the profound effect of the COVID-19 pandemic on health and function in young people with severe neurodisabilities and emphasizes the clear need to better understand how to support this vulnerable population moving forwards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,306
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild Care Health and DevelopmentMême sujetLong-Term Effects of COVID-19Travaux en français237 207