MétaCan
Menu
Retour à la cohorte
Enregistrement W3181006784 · doi:10.51731/cjht.2021.78

Models of Care for Chronic Pain

2021· article· en· W3181006784 sur OpenAlexaboutno aff
Kendra Brett, Danielle MacDougall

Notice bibliographique

RevueCanadian Journal of Health Technologies · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChronic painPsychosocialMedicineReferralChronic careHealth careMedical prescriptionAnxietyFamily medicineNursingPhysical therapyChronic diseasePsychiatry

Résumé

récupéré en direct d'OpenAlex

For chronic pain, 1 hub-and-spoke model and 4 stepped care models for the delivery of care in Canada and internationally were identified and described. No information was found on the use of the Oncology Care Model for chronic pain. For other medical conditions, 9 stepped care models, 5 hub-and-spoke models, and the Oncology Care Model for the delivery of care in Canada and internationally were identified and described. Patient-related outcomes used to evaluate the effectiveness of models of care for chronic pain include pain measures (e.g., intensity, duration), psychosocial outcomes (e.g., anxiety, depression), functional outcomes (e.g., disability, employment status), and health care utilization (e.g., opioid prescriptions, health care visits). Various barriers and facilitators to providing care for patients with chronic pain were identified in the consultations and the literature. The most common factors that influenced the care provided to patients with chronic pain pertained to funding, support, and collaboration from the government and locally; having a centralized intake and referral system; and leveraging existing resources. There appears to be considerable variation in the models of care used to address the care needs of patients with chronic pain. In Canada, there are provincial, regional, and local models, and local programs; some regions do not have a formalized approach for the provision of care for chronic pain patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,004
Communication savante0,0070,004
Science ouverte0,0030,008
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0330,006

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,292
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Health TechnologiesMême sujetPain Management and Opioid UseTravaux en français237 207