MétaCan
Menu
Retour à la cohorte
Enregistrement W4390637504 · doi:10.1016/j.ijnsa.2024.100175

Prioritizing chronic pain self-management amid coexisting chronic illnesses: An exploratory qualitative study

2024· article· en· W4390637504 sur OpenAlexaffabout
Charlotte Moore-Bouchard, Marie-Ève Martel, Élise Develay, José Côté, Madéleine Durand, M. Gabrielle Pagé

Notice bibliographique

RevueInternational Journal of Nursing Studies Advances · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésChronic painQualitative researchThematic analysisContext (archaeology)MedicineSelf-managementExploratory researchCompetence (human resources)Chronic conditionPsychologyPhysical therapyDiseaseSocial psychology

Résumé

récupéré en direct d'OpenAlex

Background: In Canada, one out of five people lives with chronic pain, a condition frequently co-occurring with other chronic illnesses. As with most chronic illnesses, successful engagement in symptom management is key. In the context of multiple illnesses, self-management involves daily prioritization of symptoms and conditions and decision-making, which can be challenging. Self-management of chronic illnesses can require more complex competence and tasks to address the different implications of each condition. Objective: Our research objective was to explore types and processes of self-management symptom prioritization among adults living with chronic pain and other chronic illnesses. Design: This research was carried out as part of a larger study that adopted an explanatory sequential mixed-methods design. This study focused more specifically on the qualitative part of the study. Settings: Participants recruited for the qualitative component took part in a semi-structured individual interview online or in-person at the center hospitalier de l'Université de Montréal. Participants: In total, 25 participants were interviewed, including 18 women and 7 men. Methods: To participate in the qualitative part of the study, participants were selected from the larger study and were eligible if they were 18 years old or older and experiencing pain for more than 3 months and had at least one other chronic illness for which they were receiving treatment or engaged in symptom management. Semi-structured interviews were conducted in-person or virtually and were transcribed verbatim. Reflexive thematic analysis was used to explore patients' narratives, and an open and iterative approach was adopted to code interviews and generate themes. Findings: The first theme, focus on symptom prioritization, showed different prioritization processes, including prioritizing a dominant illness, prioritizing multiple illnesses to avoid undesirable consequences, and finally absence of or automatic processes of prioritization. In the second theme, we identified several characteristics of an illness, in this case chronic pain that made it a self-management priority: uncontrollable and disabling nature, omnipresence, unpredictability, unpleasantness, and invisibility to others. In the last theme, we highlighted that some psychosocial factors influenced levels of engagement in self-management and prioritization processes, including social support and the patient-physician relationship. Conclusions: Chronic pain was the medical condition most often prioritized by participants in their self-management tasks. Because of its characteristics, it was the medical condition that had the most negative impact on day-to-day functioning.

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)0,016
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,008
Communication savante0,0040,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,473
Écart entre enseignants0,412 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Studies AdvancesMême sujetDiabetes Management and EducationTravaux en français237 207