Mind the gap: examining policy and social media discourse on Long COVID in children and young people in the UK
Notice bibliographique
Résumé
BACKGROUND: Long COVID in children and young people (CYP) has posed significant challenges for health systems worldwide. Despite its impact on well-being and development, policies addressing the needs of CYP remain underdeveloped. This study examines UK Long COVID policies using ethical frameworks, integrating policy and social media analyses to explore public and professional concerns. METHODS: A mixed-methods approach was applied. Policy documents were reviewed using Thompson et al.'s pandemic preparedness framework and Campbell and Carnevale's child-inclusive ethical model. Social media discourse (12,650 posts) was analysed using Brandwatch™ to identify key themes around CYP and Long COVID policies. Data was collected and triangulated through the LISTEN method, which integrates policy analysis with social media discourse to ensure a holistic understanding of systemic gaps and public perceptions. RESULTS: Analysis highlighted gaps in accountability, inclusiveness, and transparency in policy development. Social media data reflected significant public dissatisfaction, primarily critiquing government accountability (90% of posts) and delayed policy responsiveness (29% of posts). Key ethical challenges included limited CYP representation and unequal access to services. CONCLUSIONS: Recommendations include improving transparency, incorporating CYP perspectives in policymaking, and ensuring equitable access to care. These findings provide a foundation for ethically sound and inclusive policies addressing Long COVID in CYP.
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 | 0,018 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,013 | 0,020 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».