MétaCan
Menu
Retour à la cohorte
Enregistrement W2800050779 · doi:10.2196/10021

Moderators of Effects of Internet-Delivered Exercise and Pain Coping Skills Training for People With Knee Osteoarthritis: Exploratory Analysis of the IMPACT Randomized Controlled Trial

2018· article· en· W2800050779 sur OpenAlexaboutno aff
Belinda J. Lawford, Rana S. Hinman, Jessica Kasza, Rachel K Nelligan, Francis J. Keefe, Christine Rini, Kim L. Bennell

Notice bibliographique

RevueJournal of Medical Internet Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Health and Medical Research CouncilMedical Research CouncilNational Institutes of Health
Mots-clésPhysical therapyOsteoarthritisRandomized controlled trialMedicineRating scaleKnee painWOMACCoping (psychology)Pain catastrophizingModerationPhysical medicine and rehabilitationPsychologyChronic painClinical psychologyInternal medicineAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Internet-delivered exercise, education, and pain coping skills training is effective for people with knee osteoarthritis, yet it is not clear whether this treatment is better suited to particular subgroups of patients. OBJECTIVE: The aim was to explore demographic and clinical moderators of the effect of an internet-delivered intervention on changes in pain and physical function in people with knee osteoarthritis. METHODS: Exploratory analysis of data from 148 people with knee osteoarthritis who participated in a randomized controlled trial comparing internet-delivered exercise, education, and pain coping skills training to internet-delivered education alone. Primary outcomes were changes in knee pain while walking (11-point Numerical Rating Scale) and physical function (Western Ontario and McMaster Universities Osteoarthritis Index function subscale) at 3 and 9 months. Separate regression models were fit with moderator variables (age, gender, expectations of outcomes, self-efficacy [pain], education, employment status, pain catastrophizing, body mass index) and study group as covariates, including an interaction between the two. RESULTS: Participants in the intervention group who were currently employed had significantly greater reductions in pain at 3 months than similar participants in the control group (between-group difference: mean 2.38, 95% CI 1.52-3.23 Numerical Rating Scale units; interaction P=.02). Additionally, within the intervention group, pain at 3 months reduced by mean 0.53 (95% CI 0.28-0.78) Numerical Rating Scale units per unit increase in baseline self-efficacy for managing pain compared to mean 0.11 Numerical Rating Scale units (95% CI -0.13 to 0.35; interaction P=.02) for the control group. CONCLUSIONS: People who were employed and had higher self-efficacy at baseline were more likely to experience greater improvements in pain at 3 months after an internet-delivered exercise, education, and pain coping skills training program. There was no evidence of a difference in the effect across gender, educational level, expectation of treatment outcome, or across age, body mass index, or tendency to catastrophize pain. Findings support the effectiveness of internet-delivered care for a wide range of people with knee osteoarthritis, but future confirmatory research is needed. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry ACTRN12614000243617; https://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=365812&isReview=true (Archived by WebCite at http://www.webcitation.org/6z466oTPs).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,908

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,348
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207