Exploring COVID‐19 experiences for persons with multiple sclerosis and carers: An Australian qualitative study
Notice bibliographique
Résumé
OBJECTIVE: The COVID-19 pandemic continues to impact communities around the world. In this study, we explored the COVID-19 experiences of persons with multiple sclerosis (MS) and carers. METHODS: Using a qualitative approach, interviews were undertaken with 27 participants residing in Australia (10 persons with MS, 10 carers and 7 MS service providers). Demographic and background data were also collected. Interviews were analysed using an inductive iterative thematic analysis. RESULTS: Across all groups, participants consistently recognized pandemic challenges and impacts for persons with MS and carers, especially due to disruption to routines and services. Emotional and mental health impacts were also highlighted, as anxiety, fear of contracting COVID-19 and stress, including relationship stress between persons with MS and carers and family members. Some persons with MS also mentioned physical health impacts, while for carers, the challenge of disruptions included increased demands and reduced resources. In addition to acknowledging challenges, persons with MS and carers also gave examples of resilience. This included coping and adapting by finding new routines and creating space through rest and breaks and through appreciating positives including the benefits of access to telehealth. CONCLUSION: Additional support is required for persons with MS and carers in navigating the impacts of COVID-19 as the pandemic progresses. In addition to addressing challenges and disruptions, such support should also acknowledge and support the resilience of people with MS and carers and enhance resilience through supporting strategies for coping and adaptation. PATIENT AND PUBLIC CONTRIBUTION: Service user stakeholders were consulted at the beginning and end of the study. They provided feedback on interview questions and participant engagement, as well as service user perspectives on the themes identified in the current study. Participants were provided with summaries of key themes identified and invited to provide comments.
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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».