“You will eat shoe polish if you think it would help”—Familiar and lesser‐known themes identified from mixed‐methods analysis of a cluster headache survey
Notice bibliographique
Résumé
OBJECTIVE: To characterize patient-reported ideas and concerns about cluster headache, treatment options, and management strategies. BACKGROUND: Cluster headache patients experience severe pain and often suffer additional consequences from their disease. Patients have identified methods to cope with and combat cluster headache that are not widely known. METHODS: Secondary analysis was performed using deidentified data from the online Clusterbusters Medication Use survey, wherein 10 questions allowed for freely written comments. Using mixed-methods techniques, neurologists with expertise in headache medicine identified themes from these comments. Subgroup analysis sought to identify variables associated with specific themes. RESULTS: Among 2274 free-text responses from 493 adult participants, 23 themes were identified. Themes commonly discussed in the literature included such topics as "nothing worked" (24.7%, 122/493), "side effects" (12.8%, 63/493), and difficulties with "access/cost" (2.4%, 12/493). Less widely recognized themes included the use of "illicit substances" (35.5%, 175/493) and "vitamins/supplements" (12.2%, 60/493) in disease management. Lesser-known themes included "coffee" (5.3%, 26/493) and "exercise/physical activity" (4.7%, 23/493). Using strict significance criteria, no subgroup was associated with any theme. Several poignant quotes highlighted patient thoughts and experiences. CONCLUSIONS: This mixed-methods analysis identified challenges endured by cluster headache patients, as well as a variety of patient-directed disease management approaches. The volunteered information spotlights pharmacological, physiological, and psychological aspects of cluster headache that warrant further exploratory and interventional investigation.
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 | 0,086 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».