Researching what matters to improve chronic pain care in Canada: A priority-setting partnership process to support patient-oriented research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Chronic pain affects more than 6 million Canadians. Patients need to be involved in setting research priorities to ensure a focus on areas important to those who will be most impacted by the results. AIMS: The aim of this study was to leverage patient experiences to identify chronic pain research priorities in Canada. METHOD: The process was informed by the James Lind Alliance. After gathering an exhaustive list of questions using surveys, town hall meetings, interviews, and social media consultations, we used a computerized Delphi with four successive iterations to select the final list of research priorities. The final Delphi round was conducted by a panel of ten patients living with chronic pain and ten clinicians from different disciplines. RESULTS: We received more than 5000 suggestions from 1500 people. The Delphi process led to the identification of 14 questions fitting under the following 4 themes: (1) improving knowledge and competencies in chronic pain; (2) improving patient-centered chronic pain care; (3) preventing chronic pain and reducing associated symptoms; and (4) improving access to and coordination of patient-centered chronic pain care. Challenges included the issue of chronic pain being ubiquitous to many diseases, leading to many initial suggestions focusing on these diseases. We also identified the need for further engagement efforts with marginalized groups in order to validate the priorities identified or identify different sets of priorities specific to these groups. CONCLUSION: The priorities identified can guide patient-oriented chronic pain research to ultimately improve the care offered to people living with 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.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle