Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: There are a growing number of pain self-management applications (apps) available for users to download on personal smartphones. The purpose of this study was to critically appraise the content and self-management functionality of currently available pain apps. METHODS: An electronic search was conducted between May and June 2014 of the official stores for the 4 major operating systems. Two authors independently identified patient-focused apps with a stated goal of pain management. Discrepancies regarding selection were resolved through discussion with a third party. Metadata from all included apps were abstracted into a standard form. The content and functionality of each app as it pertained to pain self-management was rated. RESULTS: A total of 279 apps met the inclusion criteria. Pain self-care skill support was the most common self-management function (77.4%). Apps also purported providing patients with the ability to engage in pain education (45.9%), self-monitoring (19%), social support (3.6%), and goal-setting (0.72%). No apps were comprehensive in terms of pain self-management, with the majority of apps including only a single self-management function (58.5%). In addition, only 8.2% of apps included a health care professional in their development, not a single app provided a theoretical rationale, and only 1 app underwent scientific evaluation. DISCUSSION: Currently available pain self-management apps for patients are simplistic, lack the involvement of health care professionals in their development, and have not been rigorously tested for effectiveness on pain-related health outcomes. There is a need to develop and test theoretically and evidence-based apps to better support patients with accessible pain care self-management.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle