Research Priorities Among Canadian Military Veterans Living With Chronic Pain: A Cross-Sectional Survey
Notice bibliographique
Résumé
INTRODUCTION: Chronic pain is a debilitating problem that disproportionately affects military veterans. We completed a qualitative study that identified 20 research priorities of Canadian veterans living with chronic noncancer pain. The aim of this study was to establish the generalizability of these priorities. MATERIALS AND METHODS: From January to March 2021, we emailed a 45-item survey to a list of Canadian veterans living with chronic noncancer pain that asked about the relative importance of 20 research priorities. RESULTS: Overall, 313 of 701 Canadian military veterans living with chronic noncancer pain returned a completed survey (45% response rate). All 20 research priorities listed in the survey were endorsed by ≥75% of respondents, and four received ≥95% endorsement: (1) optimizing chronic pain management after release from the military; (2) establishing the effectiveness of self-care; and (3) identifying and (4) treating mental illness among veterans living with chronic pain. One research priority differed significantly by gender; 50% more females than males rated improving chronic pain care while in the military as important (99% vs. 49%, P < .001). CONCLUSIONS: Our survey established research priorities among Canadian veterans living with chronic noncancer pain. These findings should be considered by granting agencies when formulating calls for proposals and by researchers who wish to undertake research that will address the needs of military veterans living 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 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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».