MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416937829 · doi:10.1080/09638288.2025.2583734

Rehabilitation providers’ experiences with long COVID care in Canada: a qualitative study

2025· article· en· W4416937829 sur OpenAlexafffundabout
Jaylyn Leighton, Isabel Heldmann, Logan Reis, Abirami Vijayakumar, Robert Simpson, Michelle Nelson, Christine Sheppard, Lawrence R. Robinson, Rosalie Steinberg, Melody Nguyen, Mark Bayley, Nick Daneman, Charissa Levy, Chester Ho, Susie Goulding, Sander L. Hitzig, Marina B. Wasilewski

Notice bibliographique

RevueDisability and Rehabilitation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversity of AlbertaSunnybrook Health Science CentreSinai Health SystemToronto Rehabilitation InstituteUniversity Health NetworkUniversity of TorontoSunnybrook HospitalHealth Sciences Centre
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of Toronto
Mots-clésQualitative researchRehabilitationCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakMEDLINESevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PandemicInvestment (military)

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To examine the experiences, challenges, and recommendations of Canadian Rehabilitation Providers delivering care to people with Long COVID (PWLC), with the goal of informing best practices and guiding service and policy improvements. MATERIALS AND METHODS: A qualitative descriptive study was conducted using semi-structured interviews with 32 Rehabilitation Providers from multiple disciplines and provinces across Canada. Participants were purposively sampled and interviewed between April 2022 and January 2023. Data were analyzed using codebook thematic analysis, incorporating inter-coder and inter-rater agreement and reflexivity practices. RESULTS: Three central themes emerged: (1) Providers faced substantial barriers, including limited infrastructure, resource constraints, and misinformation about Long COVID; (2) In the absence of formal guidelines, providers adapted their practices through individualized care planning, trial-and-error, and peer learning; and (3) Participants emphasized key components of effective rehabilitation, such as validating patient experiences, promoting self-management and pacing, integrating caregiver support, facilitating peer connections, and fostering inter-professional collaboration. CONCLUSION: Rehabilitation Providers have been critical in addressing the evolving needs of PWLC despite inadequate systemic support. Their insights point to the need for coordinated, interdisciplinary, and patient-centered care models, alongside investment in professional training, system infrastructure, and integrated policy responses for current and future post-viral conditions.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,072
Score d'incertitude au seuil0,520

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0230,009
Communication savante0,0050,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
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 Opus0,008
Tête enseignante GPT0,330
Écart entre enseignants0,322 · 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

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