Patients’ Experiences of Using an eHealth Pain Management Intervention Combined With Psychomotor Physiotherapy: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Chronic pain is a major health challenge to those affected. Blended care with psychomotor physiotherapy (PMP) combined with eHealth self-management might be beneficial. OBJECTIVE: This study aims to explore how patients with chronic pain experience the combination of PMP and the use of EPIO, an eHealth self-management intervention for chronic pain. METHODS: Individual semistructured interviews were conducted with 5 adult patients with chronic pain (ie, participants) who used EPIO in combination with PMP over a period of 10 to 15 weeks. Interviews explored participants' experiences using this treatment combination in relation to their pain and analyzed their experiences using systematic text condensation. RESULTS: Participants described having benefited from using EPIO in combination with PMP in terms of increased awareness of bodily signals and how pain was related to stress and activity. They also described changes in the relationship to themselves in terms of increased self-acceptance, self-assertion, and hope and their relationship to their pain in terms of seeing pain as less harmful and engaging in more active coping strategies. CONCLUSIONS: Results indicate that a blended care approach combining eHealth self-management interventions such as EPIO with PMP may be of value to patients living with chronic pain. TRIAL REGISTRATION: ClinicalTrials.gov NCT03705104; https://clinicaltrials.gov/ct2/show/NCT03705104.
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 | 0,012 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».