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 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 | 0,028 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».