Research Priorities in the Field of Posttraumatic Pain and Disability: Results of a Transdisciplinary Consensus-Generating Workshop
Notice bibliographique
Résumé
Background. Chronic or persistent pain and disability following noncatastrophic "musculoskeletal" (MSK) trauma is a pervasive public health problem. Recent intervention trials have provided little evidence of benefit from several specific treatments for preventing chronic problems. Such findings may appear to argue against formal targeted intervention for MSK traumas. However, these negative findings may reflect a lack of understanding of the causal mechanisms underlying the transition from acute to chronic pain, rendering informed and objective treatment decisions difficult. The Canadian Institutes of Health Research (CIHR) Institute of Musculoskeletal Health and Arthritis (IMHA) has recently identified better understanding of causal mechanisms as one of three priority foci of their most recent strategic plan. Objectives. A 2-day invitation-only active participation workshop was held in March 2015 that included 30 academics, clinicians, and consumers with the purpose of identifying consensus research priorities in the field of trauma-related MSK pain and disability, prediction, and prevention. Methods. Conversations were recorded, explored thematically, and member-checked for accuracy. Results. From the discussions, 13 themes were generated that ranged from a focus on identifying causal mechanisms and models to challenges with funding and patient engagement. Discussion. Novel priorities included the inclusion of consumer groups in research from the early conceptualization and design stages and interdisciplinary longitudinal studies that include evaluation of integrated phenotypes and mechanisms.
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 | 0,229 | 0,251 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,018 | 0,006 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,006 | 0,027 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».