MétaCan
Menu
← Retour à la cohorte
Enregistrement W4375956156 · doi:10.1136/bmjopen-2022-066189

Decisional needs assessment for patient-centred pain care in Canada: the DECIDE-PAIN study protocol

2023· article· en· W4375956156 sur OpenAlexafffundabout
Florian Naye, France Légaré, Jean‐Sébastien Paquette, Yannick Tousignant‐Laflamme, Annie LeBlanc, Isabelle Gaboury, Marie-Ève Poitras, Karine Toupin‐April, Linda Li, Alison M. Hoens, Marie-Dominique Poirier, Simon Décary

Notice bibliographique

RevueBMJ Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of British ColumbiaInstitut du Savoir MontfortUniversity of OttawaResearch CanadaCentre de Santé et de Services Sociaux de ChicoutimiChildren's Hospital of Eastern OntarioCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité LavalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineHealth carePopulationPsychological interventionDecision aidsChronic painProtocol (science)RegretNursingFamily medicineAlternative medicinePhysical therapyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Introduction The 2021 Action Plan for Pain from the Canadian Pain Task Force advocates for patient-centred pain care at all levels of healthcare across provinces. Shared decision-making is the crux of patient-centred care. Implementing the action plan will require innovative shared decision-making interventions, specifically following the disruption of chronic pain care during the COVID-19 pandemic. The first step in this endeavour is to assess current decisional needs (ie, decisions most important to them) of Canadians with chronic pain across their care pathways. Methods and analysis Design Grounded in patient-oriented research approaches, we will perform an online population-based survey across the ten Canadian provinces. We will report methods and data following the CROSS reporting guidelines. Sampling The Léger Marketing company will administer the online population-based survey to its representative panel of 500 000 Canadians to recruit 1646 adults (age ≥18 years old) with chronic pain according to the definition by the International Association for the Study of Pain (eg, pain ≥12 weeks). Content Based on the Ottawa Decision Support Framework, the self-administered survey has been codesigned with patients and contain six core domains: (1) healthcare services, consultation and postpandemic needs, (2) difficult decisions experienced, (3) decisional conflict, (4) decisional regret, (5) decisional needs and (6) sociodemographic characteristics. We will use several strategies such as random sampling to improve survey quality. Analysis We will perform descriptive statistical analysis. We will identify factors associated with clinically significant decisional conflict and decision regret using multivariate analyses. Ethics and dissemination Ethics was approved by the Research Ethics Board at the Research Centre of the Centre Hospitalier Universitaire de Sherbrooke (project #2022-4645). We will codesign knowledge mobilisation products with research patient partners (eg, graphical summaries and videos). Results will be disseminated via peer-reviewed journals and national and international conferences to inform the development of innovative shared decision-making interventions for Canadians 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,601

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,024
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0040,006
Études des sciences et des technologies0,0110,003
Communication savante0,0050,002
Science ouverte0,0050,004
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0560,005

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 Opus0,052
Tête enseignante GPT0,417
Écart entre enseignants0,366 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations8
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetMusculoskeletal pain and rehabilitation→Travaux en français237 207→