MétaCan
Menu
Retour à la cohorte
Enregistrement W4310953138 · doi:10.1111/hex.13685

Preferences of patients with chronic low back pain about nonsurgical treatments: Results of a discrete choice experiment

2022· article· en· W4310953138 sur OpenAlexaffabout
Gabin F. Morillon, Maria Benkhalti, Pierre Dagenais, Thomas G. Poder

Notice bibliographique

RevueHealth Expectations · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversité de MontréalInstitut Universitaire en Santé Mentale de QuébecCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de SherbrookeCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre Hospitalier Universitaire de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésChronic painMedicinePhysical therapyPsychology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: This study aimed to assess patients' preferences of nonsurgical treatments for chronic low back pain (CLBP). METHOD: We conducted a discrete choice experiment (DCE) in Quebec, Canada, in 2018. Seven attributes were included: treatment modality, pain reduction, the onset of treatment efficacy, duration effectiveness, difficulties with daily activities, sleep problems, and knowledge of the patient's body and pain location. Treatment modalities were corticosteroid injections, supervised body-mind physical activities, supervised sports physical activities, physical manipulations, self-management courses, and psychotherapy. Utility levels were estimated using a logit model, a latent class model and a Bayesian hierarchical model. RESULTS: individuals. According to the Bayesian hierarchical model, the conditional relative importance weights of attributes were as follows: (1) treatment modality (34.79%), (2) pain reduction (18.73%), (3) difficulties with daily activities (11.71%), (4) duration effectiveness (10.06%), (5) sleep problems (10.05%), (6) onset of treatment efficacy (8.60%) and (7) knowledge of the patient's body and pain location (6.06%). According to the latent class model that found six classes of respondents with different behaviours (using Akaike and Bayesian criteria), the treatment modality was the most important attribute for all classes, except for class 4 for which pain reduction was the most important. In addition, classes 2 and 5 refused corticosteroid injections, while psychotherapy was preferred only in class 3. CONCLUSION: Given the preference heterogeneity found in the analysis, it is important that patient preferences are discussed and considered by the physicians. This will help to improve the patient care pathway in a context of a patient-centred model for a disease with growing prevalence. PATIENT OR PUBLIC CONTRIBUTION: A small group of patients was involved in the conception, design and interpretation of data. Participants in the DCE were all CLBP 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,927

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,261
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetEconomic and Environmental ValuationTravaux en français237 207