Participatory Research: A Priority Setting Partnership for Chronic Musculoskeletal Pain in Denmark
Notice bibliographique
Résumé
Background Patient and stakeholder engagements in research have increasingly gained attention in healthcare and healthcare-related research. A common and rigorous approach to establish research priorities based on input from people and stakeholders is the James Lind Alliance Priority Setting Partnership (JLA-PSP). The aim of this study was to establish research priorities for chronic musculoskeletal (MSK) pain by engaging with humans living with chronic MSK pain, relatives to humans living with chronic MSK pain, healthcare professionals (HCP), and researchers working with chronic MSK pain. Methods This JLA-PSP included a nation-wide survey in Denmark, an interim prioritisation, and an online consensus building workshop. The information gained from this was the basis for developing the final list of specific research priorities within chronic MSK pain. Results In the initial survey, 1010 respondents (91% people living with chronic MSK pain/relatives, 9% HCPs/researchers) submitted 3121 potential questions. These were summarised into 19 main themes and 36 sub-themes. In the interim prioritisation exercise, 51% people living with pain/relatives and 49% HCPs/researchers reduced the list to 33 research questions prior to the final priority setting workshop. 23 participants attended the online workshop (12 people/relatives, 10 HCPs, and 1 researcher) who reached consensus for the most important research priorities after two rounds of discussion of each question. Conclusion This study identified several specific research questions generated by people living with chronic MSK pain, relatives, HCPs, and researchers. The stakeholders proposed prioritization of the healthcare system’s ability to support patients, focus on developing coherent pathways between sectors and education for both patients and HCP. These research questions can form the basis for future studies, funders, and be used to align research with end-users’ priorities
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 | 0,129 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,008 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,003 | 0,029 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».