Evaluation of Novel Concentrated Interdisciplinary Group Rehabilitation for Patients With Chronic Illnesses: Protocol for a Nonrandomized Clinical Intervention Study
Notice bibliographique
Résumé
BACKGROUND: An aging population with a growing burden of chronic complex illnesses will seriously challenge the public health care system. Consequently, novel and efficacious treatment approaches are highly warranted. Based on our experiences with concentrated treatment formats for other health challenges, we developed a highly concentrated interdisciplinary group rehabilitation approach for chronic illnesses. OBJECTIVE: We aim to explore the acceptability of the intervention and describe potential changes in functional impairment at follow-up. METHODS: The cornerstones of the intervention are as follows: (1) prepare the patient for change prior to treatment, (2) focus on health promoting microchoices instead of symptoms, and (3) expect the patient to integrate the changes in everyday living with limited hands-on follow-up. The intervention will be delivered to patients with highly diverse primary symptoms, namely patients with low back pain, post-COVID-19 symptoms, anxiety and depression, and type 2 diabetes. RESULTS: Recruitment started between August 2020 and January 2021 (according to the illness category). For initial 3-month results, recruitment is expected to be completed by the end of 2021. CONCLUSIONS: If successful, this study may have a substantial impact on the treatment of low back pain, post-COVID-19 symptoms, anxiety and depression, and type 2 diabetes, which together constitute a major socioeconomic cost. Further, the study may widen the evidence base for the use of the concentrated treatment format in a diverse group of medical conditions. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/32216.
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 | 0,019 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».