Randomized controlled trial investigating the effectiveness of a multimodal mobile application for the treatment of chronic pain
Notice bibliographique
Résumé
Background Until recently, treatments for chronic pain commonly relied on in-person interventions, and despite more hybrid care options today, capacity for delivery remains challenged. Digital programs focusing on the psychosocial aspects of pain may provide low-barrier alternatives.Aims Through a randomized controlled trial, we investigated the effectiveness of a multimodal mobile application.Methods Participants (n = 198; 82% women, mean age = 46.7 [13.1] years; mean pain duration 13.6 [11.2] years) with nonmalignant chronic pain were randomized to either a 6-week intervention (n = 98) or a wait-listed usual care group (n = 100). The intervention involved regular engagement with a user-guided mobile application (Curable Inc.) informed by the biopsychosocial model of pain that included pain education, meditation, cognitive behavioral therapy, and expressive writing. The co-primary outcomes were pain severity and interference at 6 weeks.Results We observed significant improvements in the intervention group compared to the control group with estimated changes of −0.67 (95% confidence interval [CI] −1.04 to −0.29, P < .001, d = 0.43) and −0.60 (95% CI −1.18 to −0.03, P = .04, d = 0.27) for pain severity and interference, respectively. There were significant improvements across secondary outcomes (Patient-Reported Outcome Measurement Information System pain interference; pain catastrophizing; anxiety, depression; stress). Frequency of app use was correlated with improved pain interference (P < .001) and pain catastrophizing (P = 0.018), and changes from baseline persisted in the intervention group at 12 weeks (P < .05).Conclusions A short-term mobile app intervention resulted in significant improvements across physical and mental health outcomes compared to wait-listed usual care.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».