Evaluation of the Quality of Current COVID-19 Resources Developed for Individuals with Spinal Cord Injuries: A Scoping Review
Notice bibliographique
Résumé
Introduction: During the COVID-19 pandemic, there was an urgent need for information on dealing with it among people with spinal cord injuries (SCI). Organizations provided resources, but many of them were generic. In some cases, the information was provided by dubious sources, contradictory, or not assessed for usability with individuals with SCI. This study reviewed COVID-19 web-based resources for individuals with SCI and evaluated their quality. Methods: A scoping review for COVID-19-related web-based resources for individuals with SCI was performed by first identifying SCI-relevant organizations and, subsequently, targeted website searching using a systematic search strategy in May 2021. The included resources were categorized based on their content and format (e.g., video, infographic, text). The resources were evaluated using tools that had been previously validated. Results: Our search identified 71 SCI organizations and 10,538 potential resources. Based on inclusion and exclusion criteria, 112 resources were included and categorized based on their content into ten main domains: prevention, caregivers, exercise, mental health, stories, telehealth, specific organs/systems, report of evidence, SCI network COVID-19 response and COVID-19 communication rights toolkit. The average score for the quality of the text, infographic, and video resources are 9.72/28 (Range:3-24), 37.75/44 (Range:35-41), and 59.14/80 (Range: 49-75), respectively. Conclusion: Website resources mainly focused on preventing COVID-19. Only five of them addressed telehealth during COVID-19 for individuals with SCI. The results of this study will inform the development of SCI-oriented toolkits for future pandemics.
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 | 0,059 | 0,175 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».