Long-term bereavement outcomes in family members of those who died in acute care hospitals before and during the first wave of COVID-19: A cohort study
Notice bibliographique
Résumé
BACKGROUND: Severe grief is highly distressing and prevalent up to 1 year post-death among people bereaved during the first wave of COVID-19, but no study has assessed changes in grief severity beyond this timeframe. AIM: Understand the trajectory of grief during the pandemic by reassessing grief symptoms in our original cohort 12-18 months post-death. DESIGN: Prospective matched cohort study. SETTINGS/PARTICIPANTS: Family members of decedents who died in an acute care hospital between November 1, 2019 and August 31, 2020 in Ottawa, Canada. Family members of patients who died of COVID (COVID +ve) were matched 2:1 with those who died of non-COVID illness (COVID -ve) during pandemic wave 1 or immediately prior to its onset (pre-COVID). Grief was assessed using the Inventory of Complicated Grief (ICG). RESULTS: Follow-up assessment was completed by 92% (111/121) of family members in the initial cohort. Mean ICG score on the 12-18-month assessment was 19.9 (SD = 11.8), and severe grief (ICG > 25) was present in 28.8% of participants. One-third (33.3%) had either a persistently high (>25) or worsening ICG score (⩾4-point increase between assessments). Using a modified Poisson regression analysis, persistently high or worsening ICG scores were associated with endotracheal intubation in the deceased, but not cause of death (COVID +ve, COVID -ve, pre-COVID) or physical presence of the family member in the final 48 h of life. CONCLUSIONS: Severe grief is a substantial source of psychological morbidity in the wake of the COVID-19 pandemic, persisting more than a year post-death. Our findings highlight an acute need for effective and scalable means of addressing severe grief.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».