Priorities for Research, Education, Clinical Practice, and Policy From the Long COVID Physio International Forum
Notice bibliographique
Résumé
Purpose: Long COVID Physio (LCP) is an international peer support, education and advocacy, patient-led association of physiotherapists living with long COVID and allies. In 2022, LCP hosted an international forum. One of the aims of the forum was to identify priorities in long COVID and rehabilitation. Methods: We conducted an international consultation on priorities for long COVID and rehabilitation with people living with long COVID, clinicians, researchers, and other key interest-holders (referred to collectively as “consultants”) who registered for and attended the LCP International Forum. We collected feedback from consultants using web-based questionnaires, the Zoom chat from the forum, and posts on an online platform during the forum. We analyzed data using group-based content analytical techniques. Priorities were organized into 4 categories: research, practice, education, and policy. Results: There were 794 respondents for the consultation representing 34 countries, including 47% (n = 376) living with long COVID. Seventeen priorities for long COVID overlapped and spanned research (epidemiology, socioeconomics, pathophysiology, characterizing disability, health equity, establishing diagnostic criteria, intervention studies), education (for people living with long COVID, employers, policy makers, and health care professional students), clinical practice (safety, person-centered approaches), and policy (accessibility of care, supports for people living with long COVID and caregivers, public health messaging). Priorities were focused on long COVID and rehabilitation, but some extended beyond the scope of rehabilitation (eg, pharmacological interventions). Conclusions: These priorities can help to guide research, clinical practice, education, and policy, to advance health outcomes for people living with long COVID.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».