Characterising disability in patients with long COVID–does gender matter? an analytic cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Long COVID affects patients' daily functioning and activity participation. However, gender-specific differences remain insufficiently explored despite well-documented effects of gender on health outcomes. This study examines gender differences in sociodemographic characteristics, employment status, sick leave, and mental fatigue among individuals with long COVID. Furthermore, this study explores self-reported and prioritised problems with activities of daily living (ADL) across genders and compares patterns between women and men. We hypothesised that traditional gender roles would manifest in distinct challenges for women and men. METHODS: We included 780 individuals (567 women and 213 men) diagnosed with long COVID who were referred to occupational therapy at a Danish outpatient clinic for long COVID. Sociodemographic characteristics, employment status, and sick leave were self-reported. Mental fatigue was assessed using the Mental Fatigue Scale, and ADL problems using the Canadian Occupational Performance Measure. A qualitative deductive content analysis was conducted to further categorise prioritised ADL problems. RESULTS: A higher proportion of women than men had higher education (55% vs. 37%). No statistically significant gender difference was seen in the prevalence of sick leave (57% vs. 50%). Moderate to severe mental fatigue was reported by 78% of women and 68% of men, with women reporting significantly higher fatigue (p < 0.001). Minor gender differences in ADL problems were observed, with more women reporting difficulties in household management, quiet recreation, and social interaction. Both women and men prioritised similar ADL problems, such as paid work, physical activity, social interaction, and fulfilling caregiving roles. CONCLUSION: ADL challenges reported by women and men were largely similar and had a significant impact on their daily lives. Identifying key activity limitations is essential to inform effective rehabilitation strategies.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».