Communication in disasters to support families with children with medical complexity and special healthcare needs: a rapid scoping review
Notice bibliographique
Résumé
Disasters can disrupt normal healthcare processes, with serious effects on children who depend upon regular access to the health care system. Children with medical complexity (CMC) are especially at risk. These children have chronic medical conditions, and may depend on medical technology, like feeding tubes. Without clear, evidence-based processes to connect with healthcare teams, families may struggle to access the services and supports they need during disasters. There is limited research about this topic, which has been pushed forward in importance as a result of the COVID-19 pandemic. The authors therefore conducted a rapid scoping review on this topic, with the intention to inform policy processes. Both the peer-reviewed and gray literatures on disaster, CMC, and communication were searched in summer 2020 and spring 2021. Twenty six relevant articles were identified, from which four main themes were extracted: 1. Cooperative and collaborative planning. 2. Proactive outreach, engagement, and response. 3. Use of existing social networks to connect with families. 4. Return to usual routines. Based on this review, good practices appear to involve including families, professionals, other stakeholders, and children themselves in pre-disaster planning; service providers using proactive outreach at the outset of a crisis event; working with existing peer and neighborhood networks for support; employing multiple and two-way communication channels, including social media, to connect with families; re-establishing care processes as soon as possible, which may include virtual connections; addressing mental health issues as well as physical functioning; and prioritizing the resumption of daily routines. Above all, a well-established and ongoing relationship among children, their caregivers, and healthcare teams could reduce disruptions when disaster strikes.
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 | 0,012 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».