Improving the Multidisciplinary Treatment of Chronic Pain by Stimulating Body Awareness
Notice bibliographique
Résumé
BACKGROUND: Because of methodological flaws and a lack of theoretical foundation of body awareness (BA) in previous effect studies of interventions directed to stimulate BA, it is impossible to attribute treatment effects to this specific component of a multidisciplinary treatment. Therefore, this study evaluated short-term and long-term effects of a multidisciplinary pain rehabilitation program with and without psychomotor therapy (PMT), which focused on BA (measured by the scale of body connection) as a primary target of intervention. METHODS: Ninety-four patients clustered in 20 treatment groups were cluster randomized, using a biased-coin design, to multidisciplinary treatment as usual with or without PMT. Outcome variables were health-related quality of life, disability, and depression. BA, catastrophizing, and self-efficacy were measured as potential process variables. Assessments were performed at baseline, directly after treatment, and at 3, 6, and 12 month follow-ups. The data were analyzed by linear mixed-model analysis according to the intention-to-treat principle. RESULTS: Data of all 94 patients were used for analyses. After treatment, significant differences favoring PMT were found between conditions on depression (regression coefficient [RC]=-5.01; 95% confidence interval [CI], -8.81 to -1.21), BA (RC=0.23; 95% CI, 0.04 to 0.42) and catastrophizing (RC=-4.76; 95% CI, -8.03 to -1.48). These differences were no longer significant for depression at the 3-month follow-up and for catastrophizing at the 6-month follow-up. CONCLUSIONS: No clinical meaningful differences were found between treatment conditions in the primary outcome measures health-related quality of life and disability. However, this is the first long-term RCT that has shown that PMT improves BA in patients with chronic pain and shows good effect size and a significant decrease for catastrophizing.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».