Availability of researcher-led eHealth tools for pain assessment and management: barriers, facilitators, costs, and design
Notice bibliographique
Résumé
INTRODUCTION: Numerous eHealth tools for pain assessment and management have been developed and evaluated with promising results regarding psychometric properties, efficacy, and effectiveness. Although considerable resources are spent on developing and evaluating these tools with the aim of increasing access to care, current evidence suggests they are not made available to end users, reducing their impact and creating potential research waste. METHODS: This study consisted of 2 components: (1) a systematic review of eHealth tools for pediatric pain assessment and/or management published in the past 10 years, and (2) an online survey, completed by the authors of identified tools, of tool availability, perceived barriers or facilitators to availability, grant funding used, and a validated measure of user-centeredness of the design process (UCD-11). RESULTS: Ninety articles (0.86% of citations screened) describing 53 tools met inclusion criteria. Twenty-six survey responses were completed (49.06%), 13 of which (50.00%) described available tools. Commonly endorsed facilitators of tool availability included researchers' beliefs in tool benefits to the target population and research community; barriers included lack of infrastructure and time. The average cost of each unavailable tool was $314,425.31 USD ($3,144,253.06 USD total, n = 10). Authors of available tools were more likely to have followed user-centered design principles and reported higher total funding. CONCLUSION: Systemic changes to academic and funding structures could better support eHealth tool availability and may reduce potential for research waste. User-centered design and implementation science methods could improve the availability of eHealth tools and should be further explored in future studies.
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 | 0,038 | 0,007 |
| 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 ».