MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390607204 · doi:10.1371/journal.pone.0296274

Community-based rehabilitation/community based inclusive development functioning during the COVID-19 pandemic: A secondary analysis of qualitative data

2024· article· en· W4390607204 sur OpenAlexafffund
Ansha Nega, Reshma Parvin Nuri, Xiaolin Xu, Venkatesh Balakrishna, Alaa Sebeh, Heather M. Aldersey

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensQueen's University
Organismes subventionnairesQueen's UniversityWorld Health Organization
Mots-clésPandemicLivelihoodSocial distanceQualitative researchPublic healthGerontologyMedicineCoronavirus disease 2019 (COVID-19)GeographyNursingSociologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The coronavirus (COVID-19) became a global pandemic in March 2020 and impacted nations worldwide not only because of the disease but also because the containment measures-imposed created ripple effects for the populations in each country. The COVID-19 pandemic disproportionately affected vulnerable groups, such as persons with disabilities. This study aimed to understand the impact of COVID-19 on the function of Community-Based Rehabilitation (CBR)/Community-Based Inclusive Development (CBID) across nations and for their target communities-persons with disabilities. The current article also described some measures CBR/CBID programs took in light of service closure to facilitate access to needed services for persons with disabilities. METHODS: We conducted a secondary analysis of qualitative data to understand the impact of COVID-19 on the functioning of CBR/CBID programs and their target communities. The original qualitative data were collected through online dialogues among CBR/CBID partners across five regions of the world, facilitated for understanding of their practices on five other topics. FINDINGS: COVID-19 significantly impacted the function of CBR/CBID programs across the world. Many services were halted due to public health measures, such as maintaining social distancing or lockdowns. The COVID-19 pandemic also had a negative impact on access to health, education and livelihood support for persons with disabilities. Additionally, many people with disabilities did not have access to COVID-19 related information and services like vaccines. However, we found that technology played a significant role in revitalizing CBR/CBID programs during COVID-19. CBR/CBID service providers across five regions used online platforms to disseminate information about COVID-19. Professionals also used technology to provide rehabilitation and educational services to people with disabilities through online platforms. CONCLUSION: Our findings suggest that technology can play a vital role in continuing many services (e.g., CBR/CBID) that cannot be offered in person during crises like COVID-19. However, it is important to remember that technology may not be accessible to many individuals with disabilities, specifically those who reside in rural areas and who experience adverse situations like financial constraints. Additionally, many persons with disabilities may not have the necessary knowledge and skills to use technology. CBR personnel must consider that before adopting technology to provide services under CBR programs.

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)0,032
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,076
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0040,005
Communication savante0,0030,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,226
Tête enseignante GPT0,393
Écart entre enseignants0,167 · 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'étudeQualitatif
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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetCerebral Palsy and Movement Disorders→Travaux en français237 207→