Explaining a diagnosis of fibromyalgia in primary care: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Fibromyalgia is a common cause of chronic pain in the UK, with a huge individual and societal impact. Despite this, it remains difficult to diagnose and treat. The explanation of a fibromyalgia diagnosis can lead to difficult therapeutic relationships, with attitudinal issues and negative profiling of patients. This can lead to frustration, and have a harmful impact on health outcomes. AIM: To review how an explanation of a fibromyalgia diagnosis is provided in primary care in order to establish a model of best practice when educating patients on their diagnosis. DESIGN & SETTING: Scoping review of articles written in English. METHOD: MEDLINE, Embase, Web of Science, and grey literature were searched. Articles were extracted, reviewed, and analysed according to the inclusion criteria. RESULTS: In total, 29 records met the inclusion criteria. The following six overarching themes were identified: patient education; physician education; importance of the multidisciplinary team; importance of patient-centred care; the value of primary care; and useful resources. The literature illustrated that describing fibromyalgia using analogies to illustrate the pain sensitisation process can help patients understand their diagnosis better. This improves their willingness to accept management plans, particularly engagement with non-pharmacological therapies, which the literature suggested are best delivered within a multidisciplinary team. CONCLUSION: Key aspects of fibromyalgia should be explained to patients in order for them to gain a better understanding of their diagnosis. A 'one-size-fits-all' model for explaining the fibromyalgia diagnosis to patients is inappropriate because patients' experiences are individualised. Further research is required on whether different explanations impact patient outcomes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».