Patient expectations and understanding of diagnosis entering an interdisciplinary chronic pelvic pain program: A cross-sectional study
Notice bibliographique
Résumé
Background: Chronic pelvic pain is a complex condition. Few studies have focused on patient expectations of diagnosis and treatment in female chronic pelvic pain populations. Not knowing this information can lead to disparity and frustration between provider care and patient expectations resulting in poor patient outcomes. The aim of this study was to explore patient expectations and understanding of diagnosis prior to engaging in an interdisciplinary pelvic pain program. Methods: This is a cross sectional study of women enrolled in a tertiary Chronic Pain Center pelvic pain program in May 2019. Data were extracted from intake questionnaires to classify demographic variables and analyzed using descriptive statistics. Expectations and diagnoses were clustered in themes. Student’s t-test was used to compare biomedical focus and biopsychosocial focus groups to the Pain Disability Index (PDI) and the EQ-5D results, and to compare self-reported diagnoses with treatment expectations between groups. Results: When asked about perceived diagnosis, 74% reported a gynecologic cause for their pain, 25.7% reported musculoskeletal causes, and 21.9% reported other health conditions. For treatment expectations: 46.6% believed they required rehabilitation, 30.8% responded “I don’t know”, and 21.2% reported perceived need for medication. There was no difference in PDI or EQ-5D scores between patients who identified perceived treatment options and those who reported “I don’t know”. Conclusions: Most patients identified a perceived cause for their pain, but there was uncertainty and ambiguity about treatment options. Understanding and addressing the perception and expectations of individuals is imperative to patient-centered care and can lead to improved 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».