MétaCan
Menu
Retour à la cohorte
Enregistrement W4307913111 · doi:10.1007/s10926-022-10075-2

What is Safe Long COVID Rehabilitation?

2022· editorial· en· W4307913111 sur OpenAlexaff
Jessica DeMars, Darren A. Brown, Ippokratis Angelidis, Fiona Jones, Francis A. McGuire, Kelly K. O’Brien, Daria Oller, Sue Pemberton, Rachel Tarrant, Monica Verduzco‐Gutierrez, Douglas P. Gross

Notice bibliographique

RevueJournal of Occupational Rehabilitation · 2022
Typeeditorial
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversity of AlbertaUniversity of TorontoToronto Rehabilitation InstitutePacific Insight Electronics (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Health psychologyRehabilitation2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicinePhysical medicine and rehabilitationVirologyPublic healthPhysical therapyNursingInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

critical importance given that some have experienced complications such as acute events, symptom exacerbation, or deterioration following traditional approaches to rehabilitation (i.e., involving progressive loading, physical or cognitive activity, or exercise), as well as perceived lack of support from health care providers who at times question the validity of symptom reports.The discussion session involved people living with Long COVID, clinicians, and researchers with expertise and experiences related to Long COVID rehabilitation.The 10 speakers involved in this session met in advance of the Forum to share experiences and ideas, identify potential themes for discussion, and deliberate proposed recommendations.These were then presented to the international community at the Forum where themes and recommendations were discussed, debated, solidified, and are presented in this editorial (summary available in Table 1).1) Safe Long COVID rehabilitation should include identifying red flags or complications where commencing rehabilitation could cause an acute event or deterioration.People living with Long COVID often experience worsening symptoms following activity, including physical tasks Long COVID is a term coined and preferred by people with the condition that describes persistent effects of Coronavirus Disease (COVID-19) [1].Long COVID is known by other names including "Post COVID-19 Condition" (World Health Organization (WHO)[2] and "Post-Acute Sequelae of COVID-19" (United States).Long COVID is estimated to affect more than 145 million people around the globe[3] and results in wide diversity of symptoms,[4] episodic disability,[5] reduced quality of life,[6] and work loss,[7] irrespective of hospitalisation or acute disease severity [8].Improved understanding of appropriate health care and rehabilitation interventions to reduce the burden of Long COVID have been identified as an international research priority.[9].In September 2022, the patient-led association Long COVID Physio organized the two-day online Long COVID Physio International Forum, bringing lived experiences to Long COVID, disability, rehabilitation, and research.Long COVID Physio is an international, patient-led association of physiotherapists (physical therapists) living with Long COVID and allies, working internationally across peer support, education, research, and advocacy [10].At the Forum, a discussion session was held to address the question, "What is Safe Long COVID Rehabilitation?

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)0,010
score de la tête « metaresearch » (Gemma)0,049
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,049
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,004
Communication savante0,0090,008
Science ouverte0,0030,002
Intégrité de la recherche0,0260,036
Charge utile insuffisante (le modèle a refusé de juger)0,0120,010

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 GPT0,367
Écart entre enseignants0,354 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational RehabilitationMême sujetLong-Term Effects of COVID-19Travaux en français237 207