An Artificial Intelligence–Based App for Self-Management of Low Back and Neck Pain in Specialist Care: Process Evaluation From a Randomized Clinical Trial
Notice bibliographique
Résumé
BACKGROUND: Self-management is endorsed in clinical practice guidelines for the care of musculoskeletal pain. In a randomized clinical trial, we tested the effectiveness of an artificial intelligence-based self-management app (selfBACK) as an adjunct to usual care for patients with low back and neck pain referred to specialist care. OBJECTIVE: This study is a process evaluation aiming to explore patients' engagement and experiences with the selfBACK app and specialist health care practitioners' views on adopting digital self-management tools in their clinical practice. METHODS: App usage analytics in the first 12 weeks were used to explore patients' engagement with the SELFBACK app. Among the 99 patients allocated to the SELFBACK interventions, a purposive sample of 11 patients (aged 27-75 years, 8 female) was selected for semistructured individual interviews based on app usage. Two focus group interviews were conducted with specialist health care practitioners (n=9). Interviews were analyzed using thematic analysis. RESULTS: Nearly one-third of patients never accessed the app, and one-third were low users. Three themes were identified from interviews with patients and health care practitioners: (1) overall impression of the app, where patients discussed the interface and content of the app, reported on usability issues, and described their app usage; (2) perceived value of the app, where patients and health care practitioners described the primary value of the app and its potential to supplement usual care; and (3) suggestions for future use, where patients and health care practitioners addressed aspects they believed would determine acceptance. CONCLUSIONS: Although the app's uptake was relatively low, both patients and health care practitioners had a positive opinion about adopting an app-based self-management intervention for low back and neck pain as an add-on to usual care. Both described that the app could reassure patients by providing trustworthy information, thus empowering them to take actions on their own. Factors influencing app acceptance and engagement, such as content relevance, tailoring, trust, and usability properties, were identified. TRIAL REGISTRATION: ClinicalTrials.gov NCT04463043; https://clinicaltrials.gov/study/NCT04463043.
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 | 0,046 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».