MétaCan
Menu
Retour à la cohorte
Enregistrement W4408027697 · doi:10.1371/journal.pone.0305187

Episodic disability framework in the context of Long COVID: Findings from a community-engaged international qualitative study

2025· article· en· W4408027697 sur OpenAlexafffundabout
Kelly K. O’Brien, Darren A. Brown, Kiera McDuff, Natalie St. Clair‐Sullivan, Soo Chan Carusone, C S Thomson, Lisa McCorkell, Hannah Wei, Susie Goulding, Margaret O’Hara, Niamh Roche, Ruth Stokes, Mary Kelly, Angela M. Cheung, Kristine M. Erlandson, Richard Harding, Jaime H. Vera, Colm Bergin, Lisa Avery, Ciarán Bannan, Brittany Torres, Imelda O’Donovan, Nisa Malli, Patricia Solomon

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensPrincess Margaret Cancer CentreHealth Sciences CentreToronto Rehabilitation InstituteSunnybrook Health Science CentreUniversity of TorontoUniversity Health NetworkMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésGerontologyContext (archaeology)Qualitative researchEthnic groupMental healthInclusion (mineral)Activities of daily livingPsychologyMedicinePsychiatrySocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing numbers of adults are living with the health-related consequences of Long COVID. The Episodic Disability Framework (EDF), derived from perspectives of adults living with HIV, characterizes the multi-dimensional and episodic nature of health-related challenges (disability) experienced by an individual. Our aim was to determine the applicability of the Episodic Disability Framework to conceptualize the health-related challenges experienced among adults living with Long COVID. METHODS: We conducted a community-engaged qualitative descriptive study involving online semi-structured interviews. We recruited adults who self-identified as living with Long COVID via collaborator community organizations in Canada, Ireland, United Kingdom, and United States. We purposively recruited for diversity in age, gender identity, ethnicity, sexual orientation, and time since initial COVID-19 infection. We used a semi-structured interview guide informed by the EDF to explore experiences of disability living with Long COVID, specifically health-related challenges and how challenges were experienced over time. We conducted a group-based content analysis. RESULTS: Of the 40 participants, the median age was 39 years; and the majority were white (73%), women (63%), living with Long COVID for ≥ 1 year (83%). Consistent with the Episodic Disability Framework, disability was described as multi-dimensional and episodic, characterized by unpredictable periods of health and illness. Experiences of disability were consistent with the three main components of the Framework: A) dimensions of disability (physical, cognitive, mental-emotional health challenges, difficulties with day-to-day activities, challenges to social inclusion, uncertainty); B) contextual factors, extrinsic (social support; accessibility of environment and health services; stigma and epistemic injustice) and intrinsic (living strategies; personal attributes) that exacerbate or alleviate dimensions of disability; and C) triggers that initiate episodes of disability. CONCLUSIONS: The Episodic Disability Framework provides a way to conceptualize the multi-dimensional and episodic nature of disability experienced by adults living with Long COVID. The Framework provides guidance for future measurement of disability, and health and rehabilitation approaches to enhance practice, research, and policy in 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,019
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,010
Communication savante0,0050,006
Science ouverte0,0020,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,079
Tête enseignante GPT0,388
Écart entre enseignants0,309 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetLong-Term Effects of COVID-19Travaux en français237 207