MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416637270 · doi:10.1183/13993003.congress-2025.pa5979

Understanding outcomes of virtual rehabilitation in long COVID: post-hoc analysis of a randomized controlled trial (RCT)

2025· article· W4416637270 sur OpenAlexaff
Kriti Agarwal, Amanda Rizk, Marla Beauchamp, Bryan Ross, Jean Bourbeau, Andrea Benedetti, Catherine M. Tansey, Maria Sedeno, Laura Barreto, Pei Zhi Li, Rebecca Zucco, Julie Lopez, Emily Crowley, Tania Janaudis‐Ferreira

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensMcMaster UniversityMontreal Clinical Research InstituteMcGill University Health CentreMcGill University
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialRehabilitationMalaiseQuality of life (healthcare)Intervention (counseling)Test (biology)Adverse effectClinical trial

Résumé

récupéré en direct d'OpenAlex

Background Our RCT on virtual rehabilitation in individuals with long COVID revealed that 39% of the intervention group participants could not progress through the exercise training due to symptoms. We aimed to assess how those who progressed through the exercise training differed from those who did not, based on baseline characteristics and clinical outcomes. Methods The RCT randomized 132 individuals with long COVID to an 8-week virtual exercise program or usual care. Outcomes included mobility, symptoms, post-exertional malaise (PEM), physical function, quality of life, mental health, healthcare use and adverse events (AEs). A post-hoc analysis compared individuals who progressed through the exercise training (progress group, n=36) with those who did not (non-progress group, n=25). Results There were no statistically significant differences in baseline characteristics between groups. The non-progress group showed smaller improvements in 1-minute sit-to-stand test (difference in change: -3.5; 95% CI -6.1,-0.9), timed up and go test (difference in change: 1.47; 95% CI 0.01,2.93), EQ-5D-5L VAS 0-100 (difference in change: -9.73; 95% CI -18.75,-0.71), and in PEM severity (difference in change: 1.72; 95% CI 0.57,2.88). The non-progress group had smaller improvement in post-intervention dyspnea (p=0.04) and higher healthcare use (p=0.03). Higher proportion of participants in the non-progress group (64%) reported PEM as AEs versus 22% in the progress group. Conclusion Individuals who did not progress through the exercise training were more likely to have PEM as an AE and did not benefit from the intervention to the same extent as those who progressed through the training.

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)0,032
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,055
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,012
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,019
Tête enseignante GPT0,336
Écart entre enseignants0,318 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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