MétaCan
Menu
Retour à la cohorte
Enregistrement W4408725561 · doi:10.1177/0272989x251326069

People Living with Chronic Pain Experience a High Prevalence of Decision Regret in Canada: A Pan-Canadian Online Survey

2025· article· en· W4408725561 sur OpenAlexafffundabout
Florian Naye, Yannick Tousignant‐Laflamme, Maxime Sasseville, Chloé Cachinho, Thomas Gérard, Karine Toupin‐April, Olivia Dubois, Jean‐Sébastien Paquette, Annie LeBlanc, Isabelle Gaboury, Marie-Ève Poitras, Linda Li, Alison M. Hoens, Marie-Dominique Poirier, France Légaré, Simon Décary

Notice bibliographique

RevueMedical Decision Making · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of British ColumbiaInstitut du Savoir MontfortUniversity of OttawaCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleResearch CanadaCentres Intégré Universitaires de Santé et de Services SociauxUniversité LavalCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Sherbrooke
Organismes subventionnairesInstitute of Musculoskeletal Health and ArthritisCanadian Institutes of Health Research
Mots-clésRegretObservational studyChecklistScale (ratio)PopulationSample (material)Stratified samplingPsychologyMedicineEnvironmental healthGeographyComputer scienceCartographyPathology

Résumé

récupéré en direct d'OpenAlex

Background (1) To estimate the prevalence of decision regret in chronic pain care, and (2) to identify factors associated with decision regret. Design We conducted a pan-Canadian cross-sectional online survey and reported the results following the Checklist for Reporting of Survey Studies guidelines. We recruited a sample of adults experiencing chronic noncancer pain. We used a stratified proportional random sampling based on the population and chronic pain prevalence of each province. We measured decision regret with the Decision Regret Scale (DRS) and decisional needs with the Ottawa Decision Support Framework. We performed descriptive analysis to estimate the prevalence and level of decision regret and multilevel multivariable regression analysis to identify factors associated with regret according to the STRengthening Analytical Thinking for Observational Studies recommendations. Results We surveyed 1,649 people living with chronic pain, and 1,373 reported a most difficult decision from the 10 prespecified ones, enabling the collection of a DRS score. On a scale ranging from 0 to 100 where 1 reflects the presence of decision regret and 25 constitutes important decision regret, the mean DRS score in our sample was 28.8 ( s = 19.6). Eighty-four percent of respondents experienced some decision regret and 50% at an important level. We identified 15 factors associated with decision regret, including 4 personal and 9 decision-making characteristics, and 2 consequences of the chosen option. Respondents with low education level and higher decisional conflict experienced more decision regret when the decision was deemed difficult. Conclusions This pan-Canadian survey highlighted a high prevalence and level of decision regret associated with difficult decisions for pain care. Decision making in pain care could be enhanced by addressing factors that contribute to decision regret. Highlights We conducted an online pan-Canadian survey and collected responses from a wide diversity of people living with chronic pain. More than 84% of respondents experienced decision regret and approximately 50% at an important level. We identified 15 factors associated with decision regret, including 4 personal and 9 decision-making characteristics, and 2 consequences of the chosen option. Our pan-Canadian survey reveals an urgent need of a shared decision-making approach in chronic pain care that can be potentiated by targeting multiple factors associated with decision regret.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,046
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,121
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,104
Tête enseignante GPT0,418
Écart entre enseignants0,314 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207