Personalized, Web-Based, Guided Self-Help for Patients With Medically Unexplained Symptoms in Primary Care: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Medically unexplained symptoms (MUS) constitute a major health problem because of their high prevalence, the suffering and disability they cause, and the associated medical costs. Web-based interventions may provide an accessible and convenient tool for managing MUS. We developed a personalized, Web-based, guided self-help intervention for MUS in primary care (Grip self-help) and would compare its effectiveness with that of usual care. OBJECTIVE: This paper aims to describe the rationale, objectives, and design of a pragmatic randomized controlled trial (RCT) assessing the effectiveness of Grip self-help. METHODS: For a pragmatic multicenter RCT, 165 adult patients with mild to moderate MUS will be recruited through general practices in the Netherlands. Randomization will be performed at general practice level. Over the course of several months, patients in the intervention group will receive a personalized set of Web-based self-help exercises, targeting the unhelpful cognitions, emotions, behaviors, and social factors that are relevant to them. The intervention is guided by a general practice mental health worker. The control group will receive care-as-usual. Primary outcome is physical health-related quality of life (RAND-36 or 36-item general health survey, physical component score). Secondary outcomes include severity of physical and psychological symptoms, mental health-related quality of life, cost-effectiveness, and acceptability. Assessments will take place at baseline, end of treatment, and at 16-, 26-, and 52-week follow-ups. RESULTS: Recruitment started in December 2018, and enrolment is ongoing. The first results are expected to be submitted for publication in December 2021. CONCLUSIONS: To our knowledge, this is the first study to combine the concepts of electronic health, self-help, and personalized medicine in the treatment of MUS. By improving the quality of life and reducing symptoms of patients with MUS, Grip self-help has the potential to reduce costs and conserve scarce health care resources. TRIAL REGISTRATION: Dutch Trial Register NTR7390; https://www.trialregister.nl/trial/7390. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/13738.
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 | 0,046 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,008 | 0,004 |
| Méta-épidémiologie (sens large) | 0,017 | 0,008 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,086 | 0,014 |
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 ».