Non-pharmacological interventions for veterans living with chronic pain: a scoping review and intervention map
Notice bibliographique
Résumé
PURPOSE: To describe the content of studied intervention programs, the rationale/mechanism and outcomes from these studies and the limitations and gaps within the existing literature. METHODS: CINAHL, EMBASE, PubMed, Cochrane Reviews, and Google Scholar were searched for studies. Three authors screened studies against predefined inclusion criteria. Data were analyzed through qualitative synthesis. Articles were included if they addressed a rehabilitation intervention that focused on chronic pain management in a population of military veterans. RESULTS: A total of 31 articles were included, 25 being randomized trials. Interventions varied in design components, sessions, and delivery mode (58% in-person, 25% remote, 17% mixed). Adherence and fidelity were reported by 78% of studies. Only 4/31 studies reported the use of veteran engagement during development of the intervention. A conceptual map summarizing the intervention components (5 main categories) expected mechanisms and outcomes (process, health and patient specific) from the primary interventions was created. CONCLUSIONS: Poor reporting of content, rationale, and frameworks of non-pharmacological interventions for military veterans may explain why systematic reviews have not found support for their value. Future trials must improve rigor in design and reporting to be explicit and responsive to the needs of the veteran population facing chronic pain.
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 | 0,026 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,010 |
| Bibliométrie | 0,031 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».