The Impact of COVID-19 on Multidisciplinary Care Delivery to Children with Cerebral Palsy and Other Neuromuscular Complex Chronic Conditions
Notice bibliographique
Résumé
The COVID-19 pandemic has caused unprecedented challenges in the care of children with cerebral palsy (CP) and other neuromuscular complex chronic conditions (NCCCs). The purpose of this study is to explore the direct impact of the COVID-19 pandemic on healthcare delivery. From May to August 2020, medical professionals caring for CP and NCCC patients across multiple countries and disciplines completed a self-administered cross-sectional survey comparing practices before and during the COVID-19 pandemic. Of the 79 healthcare workers from eight countries who participated—predominantly pediatric orthopedic surgeons (32%), pediatricians (30%), and pediatric physiatrists (23%)—most of them felt that caring for NCCC patients during the pandemic presented unique difficulties, and they reported a significant decrease in the in-person NCCC clinic volume (p < 0.001), multidisciplinary appointments (p < 0.001), surgical cases (p = 0.008), and botulinum toxin/phenol injections. Most providers affirmed that institutional guidelines for perioperative emergent/urgent and elective procedures, workplace settings, and technology were modified to accommodate the ongoing public health crisis. The usage of telemedicine significantly increased for NCCC patient visits (p < 0.001). During the COVID-19 pandemic, many children with NCCCs lost access to routine, multidisciplinary care. Telemedicine became an integral part of communication and management. In the setting of the COVID-19 pandemic and with the threat of future healthcare disruptions, these data lay the foundation for trending the evolution of healthcare delivery and accelerating best practice guidelines for children with CP and NCCCs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».