MEMPHIS: a smartphone app using psychological approaches for women with chronic pelvic pain presenting to gynaecology clinics: a randomised feasibility trial
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the feasibility of a randomised trial of a modified, pre-existing, mindfulness meditation smartphone app for women with chronic pelvic pain. DESIGN: Three arm randomised feasibility trial. SETTING: Women were recruited at two gynaecology clinics in the UK. Interventions were delivered via smartphone or computer at a location of participants choosing. PARTICIPANTS: Women were eligible for the study if they were over 18, had been experiencing organic or non-organic chronic pelvic pain for 6 months or more, and had access to a computer or smartphone. 90 women were randomised. INTERVENTIONS: Daily mindfulness meditation delivered by smartphone app, an active control app which delivered muscle relaxation techniques, and usual care without app. Interventions were delivered over 60 days. PRIMARY AND SECONDARY OUTCOME MEASURES: Outcomes included length of recruitment, follow-up rates, adherence to the app interventions, and clinical outcomes measured at baseline, two, three and 6 months. RESULTS: The target sample size was recruited in 145 days. Adherence to the app interventions was extremely low (mean app use 1.8 days mindfulness meditation group, 7.0 days active control). Fifty-seven (63%) women completed 6-month follow-up, and 75 (83%) women completed at least one postrandomisation follow-up. The 95% CIs for clinical outcomes were consistent with no benefit from the mindfulness meditation app; for example, mean differences in pain acceptance scores at 60 days (higher scores are better) were -2.3 (mindfulness meditation vs usual care, 95% CI: -6.6 to 2.0) and -4.0 (mindfulness meditation vs active control, 95% CI: -8.1 to 0.1). CONCLUSIONS: Despite high recruitment and adequate follow-up rates, demonstrating feasibility, the extremely low adherence suggests a definitive randomised trial of the mindfulness meditation app used in this study is not warranted. Future research should focus on improving patient engagement. TRIAL REGISTRATION NUMBERS: NCT02721108; ISRCTN10925965; Results.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».