Best practices for virtual care to support youth with chronic pain and their families: a rapid systematic review to inform health care and policy during COVID-19 and beyond
Notice bibliographique
Résumé
The COVID-19 pandemic has acutely challenged health systems and catalyzed the need for widescale virtual care and digital solutions across all areas of health, including pediatric chronic pain. The objective of this rapid systematic review was to identify recommendations, guidelines, and/or best practices for using virtual care to support youth with chronic pain and their families (CRD42020184498). MEDLINE, CINAHL, Embase, APA PsychINFO, and Web of Science were searched the week of May 25, 2020, for English language peer-reviewed articles published since 2010 that (1) discussed children and adolescents aged <18 years reporting any type of chronic pain (ie, pain lasting >3 months); (2) focused on any type of virtual care (eg, telephone, telehealth, telemedicine, mHealth, eHealth, online, or digital); and (3) reported on guidelines, best practices, considerations, or recommendations for virtual care. Abstract and full text screening and data extraction were performed in duplicate. Meta-ethnography was used to synthesize concepts across articles. Of 4161 unique records screened, 16 were included addressing diverse virtual care and pediatric chronic pain conditions. Four key themes were identified: (1) opportunities to better leverage virtual care, (2) direct effective implementation of virtual care, (3) selection of virtual care platforms, and (4) gaps in need of further consideration when using virtual care to support youth with chronic pain and their families. No existing guidelines for virtual care for pediatric chronic pain were identified; however, best practices for virtual care were identified and should be used by health professionals, decision makers, and policymakers in implementing virtual care.
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 | 0,078 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,019 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».