MétaCan
Menu
Retour à la cohorte
Enregistrement W4401877382 · doi:10.1186/s41687-024-00773-1

A review of Patient Reported Outcome Measures (PROMs) for characterizing Long COVID (LC)—merits, gaps, and recommendations

2024· review· en· W4401877382 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueJournal of Patient-Reported Outcomes · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensSaskatchewan Health AuthoritySaskatchewan Health Quality CouncilSaskatchewan HealthUniversity of Saskatchewan
Organismes subventionnairesStrategy for Patient-Oriented Research
Mots-clésPromPatient-reported outcomeMedicineMontreal Cognitive AssessmentCoronavirus disease 2019 (COVID-19)AnxietyPittsburgh Sleep Quality IndexCognitive interviewScale (ratio)Physical therapyClinical psychologyQuality of life (healthcare)CognitionPsychiatryCognitive impairmentDiseaseNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Individuals may experience a range of symptoms after the clearance of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection. This condition is termed long COVID (LC) or Post-COVID-19 condition (PCC). Despite the appreciable number of symptoms documented to date, one key challenge remains in the robust characterization of LC outcomes. This review aimed to assess the properties, identify gaps, and provide recommendations for relevant descriptive and evaluative Patient-Reported Outcome Measurement (PROM) instruments that can be used to comprehensively characterize LC. METHODS: To achieve this objective, we identified and reviewed descriptive and evaluative PROM instruments that have been developed and validated to date with people living with LC. Our review assessed their properties, identified gaps, and recommended PROMs suitable for characterizing LC. To ensure a comprehensive and robust characterization of LC, we next identified, reviewed, and selected (with the input of patient partners) PROMs associated with the most frequently reported LC symptoms. The evaluation criteria included psychometric evidence, mode of delivery, cost, and administration time. RESULTS: Traditional matrix mapping revealed Post-COVID Functional Status Scale (PCFS) as a choice instrument for capturing LC outcomes largely because of the comprehensive domains it covered, and the number of psychometric evidence reported in literatures. This instrument can be effectively paired with the Fatigue Severity Scale (FSS), Montreal Cognitive Assessment (MoCA), Patient Health Questionnaire (PHQ-9), Headache Impact Test (HIT), Pittsburgh Sleep Quality Index (PSQI), and DePaul Symptom Questionnaire (DSQ-PEM) to characterize fatigue, cognitive impairment, depression/anxiety, headache, sleeplessness, and post-exertional malaise respectively. CONCLUSION: Our paper identified appropriate PROM instruments that can effectively capture the diverse impacts of LC. By utilizing these validated instruments, we can better understand and manage LC.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,409
Écart entre enseignants0,325 · 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