Post-traumatic stress among COVID-19 survivors: A descriptive study of hospitalized first-wave survivors
Notice bibliographique
Résumé
Introduction: The coronavirus Severe Acute Respiratory Syndrome Coronavirus Type 1 induces a severe respiratory disease, coronavirus disease 2019 (COVID-19). After Severe Acute Respiratory Syndrome Coronavirus Type 1 and Middle East Respiratory Syndrome infection, increased post-traumatic stress disorder (PTSD) rates were described. Methods: This single-centred, prospective study aimed to evaluate the rates of PTSD in patients who were hospitalized for COVID-19. Inclusion criteria were COVID-19 patients hospitalized in the intensive care unit (ICU) or in a standard unit with at least 2 L/min oxygen. Six months post-hospitalization, subjects were assessed for PTSD using a validated screening tool, the Post-Traumatic Stress Checklist-5 (PCL-5). Results: A total of 40 patients were included. No demographic differences between the ICU and non-ICU groups were found. The mean PCL-5 score for the population was 8.85±10. The mean PCL-5 score was 6.7±8 in the ICU group and 10.5±11 in the non-ICU group (P=0.27). We screened one patient with a positive PCL-5 score and one with a possible PCL-5 cluster score. Nine patients had a PCL-5 score of up to 15. Seven patients reported no symptoms. Seven patients accepted a psychological follow-up: one for PTSD, three for possible PTSD and three for other psychological problems. Discussion: The PCL-5 tool can be used by lung physicians during consultations to identify patients for whom follow-up mental health assessment and treatment for PTSD are warranted. Conclusion: Lung physicians should be aware of the risk of PTSD in patients hospitalized for COVID-19 and ensure appropriate screening and follow-up care.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».