MétaCan
Menu
Retour à la cohorte
Enregistrement W4382602144 · doi:10.1136/bmjresp-2022-001377

Additive benefit of rehabilitation on physical status, symptoms and mental health after hospitalisation for severe COVID-19 pneumonia

2023· article· en· W4382602144 sur OpenAlexaboutno aff
Andreas Asimakos, Stavroula Spetsioti, Aspasia Mavronasou, Pantelis Gounopoulos, Dimitra Siousioura, Effrosyni Dima, Niki Gianniou, Ioanna Sigala, George Ε. Zakynthinos, Αnastasia Kotanidou, Ioannis Vogiatzis, Paraskevi Κatsaounou

Notice bibliographique

RevueBMJ Open Respiratory Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePneumoniaRehabilitationCOPDQuality of life (healthcare)Physical therapyInternal medicineDepression (economics)Intensive care unitPulmonary rehabilitationProspective cohort studyNursing

Résumé

récupéré en direct d'OpenAlex

Introduction The potential additive benefits of rehabilitation beyond spontaneous recovery post-COVID-19 currently remain unknown. Methods In this prospective, interventional, non-randomised parallel assignment two-arm study, we investigated the effects of an 8-week rehabilitation programme (Rehab, n=25) added to usual care (UC) versus UC (n=27) on respiratory symptoms, fatigue, functional capacity, mental health and health-related quality of life in patients with COVID-19 pneumonia, 6–8 weeks post-hospital discharge. The rehabilitation programme included exercise, education, dietary and psychological support. Patients with chronic obstructive pulmonary disease, respiratory and heart failure were excluded from the study. Results At baseline, groups were not different in mean age (56 years), gender (53% female), intensive care unit admission (61%), intubation (39%), days of hospitalisation (25), number of symptoms (9) and number of comorbidities (1.4). Baseline evaluation was conducted at median (IQR) 76 (27) days after symptoms onset. Groups were not different regarding baseline evaluation outcomes. At 8 weeks, Rehab showed significantly greater improvement in COPD Assessment Test by a mean±SEM (95% CI) 7.07±1.36 (4.29–9.84), p <0.001 and all three fatigue questionnaires: Chalder-Likert: 5.65±1.27 (3.04–8.25), p <0.001; bimodal: 3.04±0.86 (1.28–4.79), p=0.001; Functional Assessment of Chronic Illness Therapy: 6.37±2.09 (2.08–10.65), p=0.005 and Fatigue Severity Scale: 1.36±0.433 (0.47–2.25), p=0.004. At 8 weeks rehab also showed significantly greater improvment in Short Physical Performance Battery: 1.13±0.33 (0.46–1.79), p=0.002; Hospital Anxiety and Depression Scale (HADS) Anxiety: 2.93±1.01 (0.67–5.18), p=0.013; Beck Depression Inventory: 7.81±3.07 (1.52–14.09), p=0.017; Montreal Cognitive Assessment: 2.83±0.63 (1.5–4.14), p <0.001; EuroQol (EQ-5D-5L) Utility Index: 0.21±0.05 (0.1–0.32), p=0.001 and Visual Analogue Scale: 6.57±3.21 (0.2–13.16), p=0.043. Both groups significantly improved 6-min walking distance by approximately 60 m and pulmonary function measures, whereas post-traumatic stress disorder measurement IES-R (Impact of Event Scale, Revised) and HADS-Depression score were not different between groups at 8 weeks. A 16% attrition rate was observed in the rehabilitation group exhibiting a threefold increase in training workload. There were no adverse effects reported during exercise training. Discussion These findings highlight the added value of rehabilitation post-COVID-19 to amplify the natural course of physical and mental recovery that otherwise would remain incomplete with UC.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,491
Écart entre enseignants0,405 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open Respiratory ResearchMême sujetLong-Term Effects of COVID-19Travaux en français237 207