Long-term effects of integrated cognitive behavioral therapy for chronic pain: A qualitative and quantitative study
Notice bibliographique
Résumé
Cognitive behavioral therapy (CBT) is known to improve chronic pain management. However, past studies revealed only small to moderate benefits in short-term results, and long-term follow-up studies are lacking. This study aimed to follow an integrated CBT program's effectiveness 1.5 years after its completion. This observational study was the follow-up on the data collected from our CBT sessions conducted under 3 different studies in 2018 to 2019. Seven assessment items (Numerical Rating Scale, Pain Catastrophizing Scale [PCS], Pain Disability Assessment Scale [PDAS], Patient Health Questionnaire-9 items, Generalized Anxiety Disorder 7, European quality of life 5-dimensions 5-level, and Beck Depression Inventory [BDI]) were statistically analyzed. Thematic analysis was conducted in semi structured interviews. PCS ( F = 6.52, P = .003), PDAS ( F = 5.68, P = .01), European quality of life 5-dimensions 5-level ( F = 3.82, P = .03), and BDI ( F = 4.61, P = .01) exhibited significant changes ( P < .05), confirmed by pairwise t test, revealing a moderate to large effect size. From post-treatment to follow-up, all scores showed no significant changes ( P > .1). In the qualitative study, the analysis revealed 3 subthemes: "Autonomy," "Understanding of yourself and pain," and "Acceptance of pain." Our study suggests that integrated CBT may reduce the scores of PCS, PDAS and BDI, and this effect lasts for at least 1 year. Identified themes support the relevance of mitigative factors in managing 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».