Predicting responses to self-management treatments for chronic pain: application of the pain stages of change model
Notice bibliographique
Résumé
Psychological treatments emphasizing a self-management approach have become commonly accepted alternatives to medical interventions for chronic pain. Unfortunately, these approaches often fail to engage a significant portion of targeted individuals and are associated with high drop-out and relapse rates. Informed by the transtheoretical model of behavior change and the cognitive behavioral perspective on chronic pain, the Pain Stages of Change Questionnaire (PSOCQ) was developed to assess readiness to adopt a self-management approach to chronic pain. Initial studies supported the reliability and validity of four distinct scales, Precontemplation, Contemplation, Action and Maintenance. The current study was designed to assess the ability of the PSOCQ to predict self-management participation and outcome. The PSOCQ and several relevant outcome measures were assessed before and after self-management treatment by 109 chronic pain patients. Profile analysis revealed that treatment completers and non-completers differed significantly across the four PSOCQ scales. Post-hoc comparisons indicated that pretreatment PSOCQ Precontemplation and Contemplation scores discriminated these two groups. Separate analyses revealed that Action and Maintenance scores increased over the course of treatment, and that changes in the PSOCQ scales were associated with improved outcomes. These findings suggest that increased commitment to a self-management approach to chronic pain may serve as a mediator or moderator of successful treatment. This study supports the predictive validity and utility of the PSOCQ, as well as the relevance of the stages of change model to self-management of chronic pain.
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 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».