Exploring Chronic Pain and Pain Management Perspectives: Qualitative Pilot Analysis of Web-Based Health Community Posts
Notice bibliographique
Résumé
BACKGROUND: Patient perspectives are central to the US Food and Drug Administration's benefit-risk decision-making process in the evaluation of medical products. Traditional channels of communication may not be feasible for all patients and consumers. Social media websites have increasingly been recognized by researchers as a means to gain insights into patients' views about treatment and diagnostic options, the health care system, and their experiences living with their conditions. Consideration of multiple patient perspective data sources offers the Food and Drug Administration the opportunity to capture diverse patient voices and experiences with chronic pain. OBJECTIVE: This pilot study explores posts from a web-based patient platform to gain insights into the key challenges and barriers to treatment faced by patients with chronic pain and their caregivers. METHODS: This research compiles and analyzes unstructured patient data to draw out the key themes. To extract relevant posts for this study, predefined keywords were identified. Harvested posts were published between January 1, 2017, and October 22, 2019, and had to include #ChronicPain and at least one other relevant disease tag, a relevant chronic pain management tag, or a chronic pain management tag for a treatment or activity specific to chronic pain. RESULTS: The most common topics discussed among persons living with chronic pain were related to disease burden, the need for support, advocacy, and proper diagnosis. Patients' discussions focused on the negative impact chronic pain had on their emotions, playing sports, or exercising, work and school, sleep, social life, and other activities of daily life. The 2 most frequently discussed treatments were opioids or narcotics and devices such as transcutaneous electrical nerve stimulation machines and spinal cord stimulators. CONCLUSIONS: Social listening data may provide valuable insights into patients' and caregivers' perspectives, preferences, and unmet needs, especially when conditions may be highly stigmatized.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».