Health and social service provider perspectives on challenges, approaches, and recommendations for treating long COVID: a qualitative study of Canadian provider experiences
Notice bibliographique
Résumé
Abstract Background Many people who contract the SAR-CoV-2 virus present with multiple persistent and debilitating physical, cognitive and mental health symptoms that endure beyond the acute infection period. This new syndrome – generally referred to as long COVID – negatively affects patients’ emotional wellbeing and quality of life, and presents a major challenge for treatment providers. Considering the lack of evidence-based treatment and supports, this qualitative descriptive study explores the experiences of Canadian health and social service providers working with individuals with long COVID, as well as their suggestions for intervention development. Methods Twenty health and social service providers between the ages of 29 and 57 across Canada completed virtual individual interviews to discuss their care experiences and service recommendations for long COVID. Participants were from a range of service sectors, including primary care, rehabilitation, mental health, and community support. Interviews were recorded, transcribed, and analyzed using codebook thematic analysis. Results Four themes illustrated providers’ the experiences of (1) selecting personalized treatments based on patient presentation and similar conditions amidst uncertainty; and their recommendations for long COVID services, including (2) building an integrated and evidence-based model of care; (3) providing holistic support for patients and families through psychoeducation and daily living resources; and (4) caring for mental health in long COVID. Conclusions Canadian health and social service providers are adopting personalized treatment approaches to address the symptom persistence of long COVID in the face of a considerable knowledge gap. A comprehensive, integrated care pathway is needed to support patients’ physical and psychosocial wellbeing while increasing provider preparedness to treat this complex condition.
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 | 0,015 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,028 | 0,016 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 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 ».