Neurocognitive predictors of adherence to an online pain self-management program adjunct to long-term opioid therapy
Notice bibliographique
Résumé
INTRODUCTION: While pain self-management programs can significantly improve patient outcomes, poor adherence is common and the need for research on predictors of adherence has been noted. A potential, but commonly overlooked, predictor is cognitive function. Our aim, then, was to examine the relative influence of various cognitive functional domains on engagement with an online pain self-management program. METHOD: A secondary analysis of a randomized controlled trial testing the impact of E-health (a 4-month subscription to the online Goalistics Chronic Pain Management Program) plus treatment as usual, relative to treatment as usual alone, on pain and opioid dose outcomes in adults receiving long-term opioid therapy of morphine equivalence dose ≥20 mg; 165 E-health participants who completed an on-line neurocognitive battery were included in this sub-analysis. A variety of demographic, clinical, and symptom rating scales were also examined. We hypothesized that better processing speed and executive functions at baseline would predict engagement with the 4-month E-health subscription. RESULTS: Ten functional cognitive domains were identified using exploratory factor analysis and the resultant factor scores applied for hypothesis testing. The strongest predictors of E-health engagement were selective attention, and response inhibition and speed domains. An explainable machine learning algorithm improved classification accuracy, sensitivity, and specificity. CONCLUSIONS: The results suggest that cognition, especially selective attention, inhibitory control, and processing speed, is predictive of online chronic pain self-management program engagement. Future research to replicate and extend these findings seems warranted. CLINICALTRIALS.GOV REGISTRATION NUMBER: NCT03309188.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».