e-Pain: technology-based innovations for the study of pain
Notice bibliographique
Résumé
Aim: The symposium will explore: • Features of e-pain technologies • Challenges in developing e-pain technologies • Existing evidence in relation to technology-based pain management • Debate regarding regulation of e-pain treatments • Likely steps for future development of these interventions. Rationale Traditional approaches to interventions for chronic pain are subject to numerous constraints, including direct and indirect costs, highly labour intensive, long waiting lists, mobility and accessibility issues, and shortages in appropriately trained health care professionals. To address these obstacles, researchers have begun to administer psychological interventions via various technologies. The findings from the studies discussed in the symposium will assist patients and researchers to make informed decisions regarding which modalities deliver more effective interventions for chronic pain. The possibilities and challenges facing such interventions will be discussed in detail. Summary Paper 1 (B. McGuire) sets the scene in terms of describing the move towards technology-based treatments and some of the challenges in reaching a wide audience. Suggestions are made for the involvement of health professionals, patients and software experts to ensure effectiveness, relevance, quality and adherence. In paper 2, (J. Stinson), the development of a successful smart-phone intervention for children with chronic pain is described. Paper 3 (S. O’Higgins) describes the evaluation of an online intervention and illustrates some of the problems and frustrations with rolling out a randomised trial. Paper 4 (J. Egan) describes the qualitative process involved in determining the need for cultural adaptation of Canadian and American materials for the European context. In session 5, we will show a video of an intervention for teenagers that exemplifies what can be done when researchers collaborate with experts in software development. In the final session, we will facilitate a discussion so that participants can consider whether e-pain interventions are desirable and feasible in their own health-care settings.
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 | 0,015 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,010 |
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 ».