The broad range of self-management strategies that people with rheumatic and musculoskeletal conditions apply: an online survey using a citizen science approach
Notice bibliographique
Résumé
Rheumatic and musculoskeletal diseases (RMDs) cause several restrictions in daily living. Self-management is an important aspect of managing RMDs. However, little is known about the self-management strategies that are currently applied in daily life. This study aimed to identify the current self-management strategies that people with RMDs apply through a citizen science approach. An online survey was iteratively developed together with people with RMDs. The survey was distributed among people with all types of RMDs. Survey responses were collected within Qualtrics, and once anonymized, analysed using Atlas.ti. General self-management strategies and motivations to start performing a strategy were deductively coded by two reviewers, after consultations with patient partners. 250 complete surveys were collected. 91.2% of the respondents were female. 1305 self-management strategies were mentioned, and 669 elaborations were given. Most participants applied self-management strategies within the 'physical activity' category in their daily lives (e.g., walking, biking). Motivations to start performing a certain self-management strategy mostly originated from the bodily functioning dimension (e.g., reducing pain). 1275 facilitators to start a self-management strategy were mentioned, which were mostly related to the 'support' category. Barriers (N = 480) were most frequent in the 'condition-related' category. Self-management is an important aspect of managing a person's condition in daily life. People choose one or several strategies based on the challenge they are facing, depending on their feasibility and preferences in line with their personal context. The comprehensive overview of strategies informs both patients and healthcare professionals to support a personalized self-management journey.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».