Functional and Clinical Characteristics of Individuals Attending Pulmonary Rehabilitation After Severe COVID-19
Notice bibliographique
Résumé
BACKGROUND: A proportion of patients with COVID-19 need hospitalization due to severe respiratory symptoms. We sought to analyze characteristics of survivors of severe COVID-19 subsequently admitted to in-patient pulmonary rehabilitation and identify their rehabilitation needs. METHODS: From the COVID-19 Registry of Fondazione Don Gnocchi, we extracted 203 subjects admitted for in-patient pulmonary rehabilitation after severe COVID-19 from April 2020-September 2021. Specific information on acute-hospital stay and clinical and functional characteristics on admission to rehabilitation units were collected. RESULTS: During the acute phase of disease, 168 subjects received mechanical ventilation for 26 d; 85 experienced delirium during their stay in ICU. On admission to rehabilitation units, 20 subjects were still on mechanical ventilation; 57 had tracheostomy; 142 were on oxygen therapy; 49 were diagnosed critical illness neuropathy; 162 showed modified Barthel Index < 75; only 51 were able to perform a 6-min walk test; 32 of 90 scored abnormal at Montreal Cognitive Assessment; 43 of 88 scored abnormal at Hospital Anxiety and Depression Scale; 65 scored ≥ 2 at Malnutrition Universal Screening Tool, and 95 showed dysphagia needing logopedic treatment. CONCLUSIONS: Our analysis shows that subjects admitted for in-patient pulmonary rehabilitation after severe COVID-19 represent an extraordinarily multifaceted and clinically complex patient population who need customized, comprehensive rehabilitation programs carried out by teams with different professional skills. The need for step-down facilities, such as sub-intensive rehabilitation units, is also highlighted.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».