MétaCan
Menu
Retour à la cohorte
Enregistrement W2806779655 · doi:10.1177/1460458218779113

Quantitative and qualitative testing of DARWeb: An online self-guided intervention for children with functional abdominal pain and their parents

2018· article· en· W2806779655 sur OpenAlexaff
Rubén Nieto, Mercè Boixadós, Imma Beneitez, Anna Huguet, Patrick J. McGrath

Notice bibliographique

RevueHealth Informatics Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensDalhousie UniversityIzaak Walton Killam Health Centre
Organismes subventionnaires“la Caixa” Foundation
Mots-clésIntervention (counseling)MedicineCoping (psychology)Abdominal painQuality of life (healthcare)Physical therapyClinical psychologyPsychologyNursingSurgery

Résumé

récupéré en direct d'OpenAlex

The main objective of this study was to preliminary explore the effects of DARWeb on different outcomes. A Quasi-experimental, one-group, pretest-posttest design was used. Parents and children were asked to complete questionnaires and questions (separately) about quality of life, abdominal pain severity, and satisfaction. Semi-structured interviews with families were also performed. This study focuses on 17 families. Results showed that parent's ratings of children's abdominal pain severity were significantly lower after finishing the intervention and at the 3-month follow-up, and quality of life scores had increased significantly after 3 months. From children's ratings, mean abdominal pain severity scores were significantly lower after the intervention compared to the preintervention assessment. Both parents and children were quite satisfied with the intervention. In qualitative interviews, families suggested that DARWeb helped them to give less importance to pain and to learn coping strategies. In conclusion, this study showed the potential usefulness of DARWeb for children with functional abdominal pain and for their parents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,003
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,131
Tête enseignante GPT0,416
Écart entre enseignants0,286 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Informatics JournalMême sujetPediatric Pain Management TechniquesTravaux en français237 207