Lesson learnt from the COVID-19 pandemic: a qualitative inquiry into patient and family experiences in Pakistan
Notice bibliographique
Résumé
OBJECTIVES: This study aims to explore the perceptions of patients affected by COVID-19 and their families regarding the challenges faced, coping strategies used and lessons learnt in Pakistan. DESIGN: A qualitative exploratory descriptive approach was used to explore the real-time experiences of the participants. SETTING: The study was carried out in a tertiary care hospital in Karachi, Pakistan. PARTICIPANTS: Purposive and snowball sampling methods were used to enrol 22 dyads of adult patients diagnosed with COVID-19 and their respective family members (FMs) (spouse, children, siblings or any other FM sharing a residence in Karachi, Pakistan, with the patient before quarantine). The 44 participants, with 23 females and 21 males, had an average age of 43.2 years. RESULTS: We identified five key themes: practising a healthy diet and physical activity to boost immunity; developing workplace policies for job security, safety and mental well-being; encouraging digitalisation of health through teleconsultation and virtual learning; using technology and artificial intelligence to transform healthcare delivery systems; and empowering resilience and community unity to promote mental well-being. CONCLUSION: The study summarises the opinions of people directly affected by COVID-19 and the stakeholders of systemic challenges. The findings of the study can guide further strengthening of the healthcare system and improvements of organisational policies to facilitate better preparation of marginalised communities 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 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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,009 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».