Initiatives Targeting Patients
Notice bibliographique
Résumé
OBJECTIVES: Older adults frequently experience persistent pain but are often unaware of self-management and other strategies that can help improve their condition. In a related article, we reported on pain assessment and management knowledge translation initiatives related to older adults that were targeting health professionals. In this paper, we report on initiatives targeting older adults. MATERIALS AND METHODS: Using systematic review methodology, the Cumulative Index to Nursing and Allied Health Literature (CINAHL), MEDLINE, PsycInfo, and Web of Science databases were searched from inception to June 2023. Pain-related knowledge translation programs targeted towards older adults, their informal caregivers, and health care professionals were examined. RESULTS: From an initial 21,669 search results, 172 studies met our inclusion criteria. Of these studies, 49 targeted older adults. These studies varied widely in focus and delivery format, but the majority were associated with a significant risk of bias. Older adults with musculoskeletal pain were the primary recipients of education. Most programs were classified as knowledge mobilization initiatives. The remainder were considered self-management programs. Knowledge users were satisfied with the suitability of the information presented, and patient outcomes were a primary concern across all studies. Behavioral changes and pain management outcomes, however, were underemphasized in the literature. CONCLUSION: Knowledge acquisition outcomes are overrepresented in the current literature compared with behavioral outcomes changes. Nonetheless, older adults report benefitting from the guidance provided in self-management programs when applying knowledge to practice. Future research is needed to better understand the facilitators and barriers to pain management changes in this population.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,002 |
| 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 ».