A cognitive–behavioral digital health intervention for sickle cell disease pain in adolescents: a randomized, controlled, multicenter trial
Notice bibliographique
Résumé
ABSTRACT: Severe acute and chronic pain are the most common complications of sickle cell disease (SCD). Pain results in disability, psychosocial distress, repeated clinic visits/hospitalizations, and significant healthcare costs. Psychosocial pain interventions that teach cognitive and behavioral strategies for managing pain have been effective in other adolescent populations when delivered in person or through digital technologies. Our aim was to conduct a multisite, randomized, controlled trial to improve pain and coping in youth aged 12 to 18 years with SCD using a digital cognitive-behavioral therapy program (iCanCope with Sickle Cell Disease; iCC-SCD) vs Education control. We enrolled 137 participants (ages 12-18 years, 59% female) and analyzed 111 adolescents (107 caregivers), 54 randomized to Education control and 57 randomized to iCC-SCD. Ninety-two percent of youth completed posttreatment assessments and 88% completed 6-month follow-up. There was a significant effect of treatment group (iCC-SCD vs Education) on reduction in average pain intensity from baseline to 6-month follow-up (b = -1.32, P = 0.009, 95% CI [-2.29, -0.34], d = 0.50), and for the number of days with pain, adolescents in the iCC-SCD group demonstrated fewer pain days compared with the Education group at 6-month follow-up (incident rate ratio = 0.63, P = 0.006, 95% CI [0.30, 0.95], d = 0.53). Treatment effects were also found for coping attempts, momentary mood, and fatigue. Several secondary outcomes did not change with intervention, including anxiety, depression, pain interference, and global impression of change. Future studies are needed to identify effective implementation strategies to bring evidence-based cognitive-behavioral therapy for sickle cell pain to SCD clinics and communities.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».