MétaCan
Menu
Retour à la cohorte
Enregistrement W4404809080 · doi:10.1370/afm.22.s1.6081

People living with chronic pain face multiple difficult decisions leading to high level of decisional conflict

2024· article· en· W4404809080 sur OpenAlexaboutno aff
Florian Naye, Maxime Sasseville, Chloé Cachinho, Yannick Tousignant‐Laflamme, Thomas Gérard, Simon Décary

Notice bibliographique

RevuePain Management · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFace (sociological concept)Chronic painMedicinePhysical medicine and rehabilitationPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Context: Implementing shared decision-making is an international priority in chronic pain care, especially for primary care clinicians. Objective: We sought to understand decisional needs of people living with chronic pain in Canada. Study design and Analysis: Informed by the Checklist for Reporting Of Survey Studies, we conducted a population-based cross-sectional online survey across the 10 Canadian provinces. We reported national prevalence of decisional conflict. We identified difficult decisions in terms of diagnosis, treatment, daily living, and consultation and stratified results using respondents’ most difficult decision. We determined assumed and preferred role during the decision-making process as well as their congruence. Setting or Dataset: We gathered data from random samples registered within the Leger Marketing panel (i.e., a panel of 500,000 representative members of Canadian society with Internet access). Population studied: We recruited adults living with chronic noncancer pain across Canadian provinces. Outcome Measures: Based on the Ottawa Decision Support Framework, we collected data on difficult decisions faced when interacting with health care providers, the Decisional Conflict Scale (DCS≥25 or DCS≥37.5) and the Control Preferences Scale (assumed and preferred role). Results: We recruited 1,649 respondents with diverse socio-demographic profiles. Mean age was 51.8 years (SD=16.3). Half were man (51%), most lived in urban areas (88%), and pain duration ranged from 3 months to 59 years. We observed that 97% of respondents faced at least one difficult decision across their care pathways. We found thirty-six difficult decisions related to medical consultation, diagnosis, treatment, and daily life. Half (49%) of respondents made their most difficult decision with a primary care physician. Nationally, two third (69%) of respondents experienced decisional conflict (DCS score>25) and one third (34%) clinically significant decisional conflict (DCS>37.5). Two-thirds (68%) of respondents self-reported having a collaborative role during their decision while 76% wanted this role. Conclusions: People living with chronic pain have unmet decisional needs limiting optimal decisions to manage their chronic pain. Our findings will guide development of shared decision-making interventions to reduce decisional conflict at a national level, especially to support primary care where most discussions about difficult decisions occur.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil0,879

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,003
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,340
Tête enseignante GPT0,401
Écart entre enseignants0,061 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePain ManagementMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207