Long COVID in long-term care: a rapid realist review
Notice bibliographique
Résumé
OBJECTIVES: The goals of this rapid realist review were to ask: (a) what are the key mechanisms that drive successful interventions for long COVID in long-term care (LTC) and (b) what are the critical contexts that determine whether the mechanisms produce the intended outcomes? DESIGN: Rapid realist review. DATA SOURCES: Medline, CINAHL, Embase, PsycINFO and Web of Science for peer-reviewed literature and Google for grey literature were searched up to 23 February 2023. ELIGIBILITY CRITERIA: We included sources focused on interventions, persons in LTC, long COVID or post-acute phase at least 4 weeks following initial COVID-19 infection and ones that had a connection with source materials. DATA EXTRACTION AND SYNTHESIS: Three independent reviewers searched, screened and coded studies. Two independent moderators resolved conflicts. A data extraction tool organised relevant data into context-mechanism-outcome configurations using realist methodology. Twenty-one sources provided 51 intervention data excerpts used to develop our programme theory. Synthesised findings were presented to a reference group and expert panel for confirmatory purposes. RESULTS: Fifteen peer-reviewed articles and six grey literature sources were eligible for inclusion. Eleven context-mechanism-outcome configurations identify those contextual factors and underlying mechanisms associated with desired outcomes, such as clinical care processes and policies that ensure timely access to requisite resources for quality care delivery, and resident-centred assessments and care planning to address resident preferences and needs. The underlying mechanisms associated with enhanced outcomes for LTC long COVID survivors were: awareness, accountability, vigilance and empathetic listening. CONCLUSIONS: Although the LTC sector struggles with organisational capacity issues, they should be aware that comprehensively assessing and monitoring COVID-19 survivors and providing timely interventions to those with long COVID is imperative. This is due to the greater care needs of residents with long COVID, and coordinated efficient care is required to optimise their quality of life.
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 | 0,175 | 0,443 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,026 | 0,018 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,019 | 0,021 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».