Complexity and Challenges of the Clinical Diagnosis and Management of Long COVID
Notice bibliographique
Résumé
Importance: There is increasing recognition of the long-term health effects of SARS-CoV-2 infection (sometimes called long COVID). However, little is yet known about the clinical diagnosis and management of long COVID within health systems. Objective: To describe dominant themes pertaining to the clinical diagnosis and management of long COVID in the electronic health records (EHRs) of patients with a diagnostic code for this condition (International Statistical Classification of Diseases and Related Health Problems, Tenth Revision [ICD-10] code U09.9). Design, Setting, and Participants: This qualitative analysis used data from EHRs of a national random sample of 200 patients receiving care in the Department of Veterans Affairs (VA) with documentation of a positive result on a polymerase chain reaction (PCR) test for SARS-CoV-2 between February 27, 2020, and December 31, 2021, and an ICD-10 diagnostic code for long COVID between October 1, 2021, when the code was implemented, and March 1, 2022. Data were analyzed from February 5 to May 31, 2022. Main Outcomes and Measures: A text word search and qualitative analysis of patients' VA-wide EHRs was performed to identify dominant themes pertaining to the clinical diagnosis and management of long COVID. Results: In this qualitative analysis of documentation in the VA-wide EHR, the mean (SD) age of the 200 sampled patients at the time of their first positive PCR test result for SARS-CoV-2 in VA records was 60 (14.5) years. The sample included 173 (86.5%) men; 45 individuals (22.5%) were identified as Black and 136 individuals (68.0%) were identified as White. In qualitative analysis of documentation pertaining to long COVID in patients' EHRs 2 dominant themes were identified: (1) clinical uncertainty, in that it was often unclear whether particular symptoms could be attributed to long COVID, given the medical complexity and functional limitations of many patients and absence of specific markers for this condition, which could lead to ongoing monitoring, diagnostic testing, and specialist referral; and (2) care fragmentation, describing how post-COVID-19 care processes were often siloed from and poorly coordinated with other aspects of care and could be burdensome to patients. Conclusions and Relevance: This qualitative study of documentation in the VA EHR highlights the complexity of diagnosing long COVID in clinical settings and the challenges of caring for patients who have or are suspected of having this condition.
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 | 0,036 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 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 ».