Chronic pain experience and health inequities during the COVID-19 pandemic in Canada: qualitative findings from the chronic pain & COVID-19 pan-Canadian study
Notice bibliographique
Résumé
BACKGROUND: Chronic pain affects about 20 % of the Canadian population and can lead to physical, psychological and social vulnerabilities. However, this condition remains poorly recognized and undertreated. During 2020, as the COVID-19 pandemic disrupted daily living and health care systems, the situation of people with chronic pain has drawn little public attention. METHODS: This qualitative study was part of a pan-Canadian mixed-methods project and aimed to understand the experiences and challenges of people living with chronic pain during the COVID-19 pandemic in Canada. Between May and August 2020, we conducted in-depth semi-structured interviews with 22 individuals living with chronic pain across the country. We used reflexive thematic analysis to interpret data. RESULTS: Our findings underscored four dimensions of the chronic pain experience during the pandemic: (1) Reinforced vulnerability due to uncertainties regarding pain and its management; (2) Social network as a determinant of pain and psychological condition; (3) Increasing systemic inequities intermingling with the chronic pain experience; (4) More viable living conditions due to confinement measures. Though several participants reported improvements in their quality of life and reduced social pressure in the context of stay-at-home orders, participants from socio-economically deprived groups and minorities reported more challenges in accessing pain relief, health care services, and psychosocial support. CONCLUSIONS: The COVID-19 pandemic has revealed and intensified pre-existing disparities and challenges among people living with chronic pain in terms of material resources, psychosocial condition, social support, and access to care. In post-pandemic times, it will be essential to address flaws in health and welfare policies to foster equity and social inclusiveness of people with chronic pain.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,024 | 0,009 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».