TEXT4myBACK – The Development Process of a Self-Management Intervention Delivered Via Text Message for Low Back Pain
Notice bibliographique
Résumé
OBJECTIVE: To develop a bank of text messages for a lifestyle-based self-management intervention for people with low back pain (LBP). DESIGN: Iterative development process. SETTING: Community and primary care. PARTICIPANTS: Fifteen researchers, clinicians, and consumer representatives participated in the concept and initial content development phase. Twelve experts (researchers and clinicians) and 12 consumers participated in the experts and consumers review phase. Full study sample of participants was N=39. INTERVENTIONS: Not applicable. MAIN OUTCOME MEASURES: We first conducted two 2-hour workshops to identify important domains for people with LBP, sources of content, appropriate volume, and timing of the messages. The messages were then drafted by a team of writers. Second, we invited expert researchers and clinicians to review and score the messages using a 5-item psychometric scale according to (1) the appropriateness of the content and (2) the likelihood of clinical effectiveness and to provide written feedback. Messages scoring ≤8 out of 10 points would be modified accordingly. Consumers were invited to review the messages and score them using a 5-item psychometric scale according to the utility of the content, the understanding of the content, and language acceptability and to provide feedback. Messages scoring ≤12 out of 15 points would be improved. RESULTS: Exercise, education, mood, sleep, use of care, and medication domains were identified and 82 domain-specific evidence-based messages were written. Messages received a mean score of 8.3 out of 10 points by experts. Twenty-nine messages were modified accordingly. The mean score of the messages based on consumers feedback was of 12.5 out of 15 points. Thirty-six messages were improved. CONCLUSIONS: We developed a bank of text messages for an evidence-based self-management intervention using a theory-based, iterative, codesign process with researchers, consumers, and clinicians. This article provides scientific support for future development of text message interventions within the pain field.
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 | 0,014 | 0,002 |
| 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 ».