The impact of COVID-19 on health-related quality of life: a systematic review and evidence-based recommendations
Notice bibliographique
Résumé
Abstract Objective This systematic review examines the impact of COVID-19 on Health-Related Quality of Life (HRQoL) across different populations, focusing on demographic, socio-economic, and COVID-19-related factors. Methods A comprehensive search of PubMed from 2020 to 2022 was conducted, identifying 37 studies that met the inclusion criteria. Studies were assessed using the Appraisal Tool for Cross-Sectional Studies, Newcastle–Ottawa Scale, and Consolidated Health Economic Evaluation Reporting Standards tools. Data extraction included study characteristics, HRQoL measures, and health state utility values. Results Thirty-seven studies were conducted with a total of 46,709 individuals and 274 HSUVs ranging from 0.224 to 1. Research included Europe (n = 20), North America (n = 4), Asia (n = 11), South America (n = 1), and Africa (n = 1). Utility was measured using 15D (n = 3), EQ-5D-5L (n = 24), EQ-5D-3L (n = 8), VAS (n = 1), and TTO (n = 1). The review found significant decreases in HRQoL among COVID-19 survivors, particularly those with severe symptoms, due to persistent fatigue, breathlessness, and psychological distress. Quarantine and isolation measures also negatively impacted HRQoL, with increased anxiety and depression. Vaccination status influenced HRQoL, with vaccinated individuals reporting better outcomes. Socio-demographic factors such as age, gender, education, employment, marital status, and income significantly affected HRQoL, with older adults, females, and unemployed individuals experiencing lower HRQoL. Conclusions COVID-19 has profoundly affected HRQoL, highlighting the need for comprehensive post-recovery rehabilitation programs and targeted public health interventions. Addressing socio-demographic disparities is crucial to mitigate the pandemic’s impact on HRQoL. Policymakers and healthcare providers should implement strategies to support affected populations, emphasizing mental health support, social support systems, and vaccination 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 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 | 0,016 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,013 |
| Bibliométrie | 0,015 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».