A review of Patient Reported Outcome Measures (PROMs) for characterizing Long COVID (LC)—merits, gaps, and recommendations
Notice bibliographique
Résumé
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.
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 | 0,065 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».