User-Driven Development of a Digital Behavioral Intervention for Chronic Pain: Multimethod Multiphase Study
Notice bibliographique
Résumé
BACKGROUND: Recent research shows that chronic pain affects 27% of the adult population. For many, pain significantly impairs quality of life and everyday functioning. Behavioral interventions have shown utility, but access remains limited. Digital health solutions can increase reach, but there is a need for user-friendly, feasible, and evidence-based digital interventions. OBJECTIVE: This study aimed to clarify how a digital behavioral intervention for people with chronic pain can be developed through a user-centered approach to address the needs and preferences of the target population. METHODS: This study used a multimethod approach involving end users, namely, patients with chronic pain and therapists, to develop prototypes for a digital behavioral intervention across 3 phases. In the preparation phase (phase 0), fictional patient personas (n=3) were created to represent the diversity of the target population while emphasizing transdiagnostic features across people with chronic pain. In the design phase (phase 1), qualitative data from focus groups with patients (n=5; aged 37-51 years; 4/5, 80% women; 2/5, 40% diagnosed with Ehlers-Danlos syndrome; 3/5, 60% either undiagnosed or uncertain about their diagnosis) and therapists (n=12 licensed psychologists; aged 29-64 years; 9/12, 75% women) were collected to explore end-user preferences for the intervention design and content. In the testing phase (phase 2), the initial full prototype of the digital intervention was piloted with patients (n=11; aged 36-58 years; 9/11, 82% women; with diverse diagnoses, including migraine, arthritis, fibromyalgia, complex regional pain syndrome, hypermobile Ehlers-Danlos syndrome, herniated disc, chronic fatigue syndrome, and 1/11, 9% cases of undiagnosed pain) and therapists (n=3 licensed psychologists; aged 36-58 y; 3/3, 100% women). The Consolidated Framework for Implementation Research was used to structure analyses of end-user feedback. RESULTS: On the basis of end-user input, a 6-week digital behavioral intervention for chronic pain was created. Focus groups highlighted the importance of accessibility and adaptability of the digital intervention, emphasizing the need for tailored content, flexibility (eg, contact with the therapist via asynchronous messaging, telephone, or video calls), and user-friendly design (eg, easy navigation between modules, short microsessions, and visualizations). Average weekly ratings (scale from 1=not at all to 7=very much) by patients during pilot-testing indicated that the intervention was helpful (mean range 4.27-5.45, SD range 1.20-2.20), enjoyable (mean range 3.81-4.81, SD range 1.12-2.08), and understandable (mean range 4.45-6, SD range 1.30-1.86), suggesting initial acceptability and usability of the intervention. CONCLUSIONS: The results illustrated the utility of the patient personas when preparing, of the focus groups when designing, and of the end-user feedback when testing this new digital intervention for people with chronic pain. The findings indicated that the intervention is promising while also providing relevant end-user suggestions (eg, video content, text-to-speech function, and add-on modules) to guide further improvements.
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 | 0,041 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».