Patient lumbar discectomy journey (DiscJourn) in the UK: a qualitative study
Notice bibliographique
Résumé
OBJECTIVES: To gain insight into patients' views, perceptions, experiences and expectations postlumbar discectomy. METHODS: A qualitative study using interpretative phenomenological analysis (IPA) purposively recruited patients undergoing lumbar discectomy at one UK spinal centre. Purposive criteria included age, sex, ethnicity, symptom duration, work/sick leave, education level and co-existing psychological issues. Semi-structured interviews were conducted using a patient co-constructed topic guide. Interview transcriptions were analysed in accordance with IPA. Strategies enhancing trustworthiness included suspension of judgements and presuppositions, reflexivity, iterative coding process and critique from co-investigators. RESULTS: Data from 14 participants (eight elective, 6 emergency surgery) informed four themes. The theme ready to move forwards was characterised by high satisfaction with post-operative improvement, positivity and optimism, with readiness to work towards personal goals. The theme post-operative fear and uncertainty was characterised by reflections on pre-operative difficulties fuelling fear about potential recurrence and long-term impacts. The theme of advice and guidance considered important was characterised by the expectation and value of support provided (verbal, written); instances of negative influences from healthcare interactions and access to unregulated patient information sources suggest scope for future improvement. The final theme, heterogeneity in peri-operative needs, was characterised by variation in depth/access to patient information, perceived post-operative support and wide-ranging preoperative activity/fitness. CONCLUSIONS: Surgery offers physical and psychosocial changes which could be better harnessed to positively influence recovery through high quality verbal/written communication. Peri-operative advice and guidance was valued; while this was sufficient for some, personalised rehabilitation should be available owing to the identified heterogeneity.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».