Impacts of the COVID-19 pandemic on patients with chronic conditions in Vietnam: A cross-sectional study
Notice bibliographique
Résumé
Objectives We assess the impact of the COVID-19 pandemic on health, treatment adherence and expectations of patients with chronic diseases in Vietnam. Methods We conducted a national cross-sectional study using a questionnaire survey, distributed through social networks and presented on Google Forms. The survey was performed during two months of the most stringent social distancing in Vietnam (between 21 July and 21 September 2021). Results Most of the participants said that the COVID-19 epidemic had affected their daily activities (91.9%), health (53.6%), sleep behavior (52.3%), and mental health (79.8%). During social distancing in Vietnam, three-quarter could not go to hospitals for periodic health examination; nearly half of respondents did not do daily physical activity; a quarter of respondents did not adhere to recommended diet plan. Factors associated with the effect of the COVID-19 epidemic on patient's health included those living in Ho Chi Minh City ( p = 0.015), lived alone ( p = 0.027), uncontrolled chronic conditions ( p < 0.001), treatment dissatisfaction or experienced anxiety/stress ( p < 0.001). Factors associated with medication adherence included the elderly ( p = 0.015), having periodic health examination ( p = 0.012), direct consultation ( p = 0.003), and telemedicine ( p = 0.007). Conclusion This study highlights the urgent need for better chronic management strategies for the new post-COVID era in the future.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».