Digital cognitive behavioral therapy vs. education intervention in population with sickle cell disease experiencing pain: A systematic review
Notice bibliographique
Résumé
Abstract Introduction: Chronic pain in sickle cell disease (SCD) patients impairs daily functioning and quality of life, despite advances in pharmacological treatments. Digital cognitive behavioral therapy (dCBT) and educational interventions present promising nonpharmacologic strategies. This systematic review assesses the efficacy of these interventions, as well as their potential for digital delivery in SCD pain management. Methods: Following PRISMA guidelines, we screened randomized controlled trials (RCTs) from PubMed MEDLINE, CNKI, Scopus, Web of Science, Cochrane, EMBASE, and CINAHL (01/20/2025). Our PROSPERO-registered protocol (CRD42025650053) guided selection. Results: From 142 studies, 81 were screened, 13 underwent full-text review, and two RCTs (n=470) met eligibility criteria. Studies from the US and Canada assessed dCBT versus education for SCD pain over six months in adults and adolescents, primarily Black/African American females. Neither intervention significantly reduced post-treatment pain, anxiety, or depression. However, cognitive behavioral therapy (dCBT) demonstrated superior mood improvements at six months and greater reductions in fatigue. Conclusion: These findings highlight critical factors influencing intervention effectiveness, including sample size, age, engagement, and intervention type. Future research should optimize dCBT implementation and engagement strategies to enhance outcomes. Understanding these elements is essential for developing effective digital interventions for SCD chronic pain management. Keywords: Sickle Cell Disease, Chronic Pain, Digital Cognitive Behavioral Therapy, Educational Interventions, Pain Management, Systematic Review, Randomized Controlled Trials, Adults, Adolescents.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».