Codéveloppement d’un programme d’autogestion de la douleur chronique en ligne: un projet de recherche basé sur la conception et axé sur l’engagement des patients
Bibliographic record
Abstract
Introduction: L'autogestion est une approche privilgie pour grer la douleur chronique.Jusqu' tout rcemment, aucun programme d'autogestion en franais, en ligne et codvelopp avec des patients partenaires atteints de douleur n'tait accessible gratuitement.Pourtant, la littrature pointe vers l'inclusion de ces partenaires aux quipes de dveloppement, permettant une meilleure considration de leurs besoins et prfrences.Objectif: Cette tude visait le codveloppement d'un tel programme d'autogestion de la douleur chronique, ralisable sans le soutien d'un professionnel de la sant.Mthode: La dmarche s'inscrit dans la recherche base sur la conception et est ralise dans le cadre d'un partenariat troit entre chercheurs, partenaires atteints de douleur chronique, professionnels de la sant, tudiants en mdecine et graphiste.Nous avons principalement bas le contenu du programme sur une revue systmatique de la littrature, des guides de pratique, l'exprience clinique et l'expertise exprientielle des patients.Le codveloppement a t ralis en plusieurs cycles itratifs, dont trois mises l'essai.Rsultats: Grce l'apport des parties prenantes, nous avons codvelopp le programme Agir pour moi .L'identit du programme, son contenu, sa structure et les modalits d'apprentissage proposes soutiennent pas pas le dveloppement de comptences et l'application de stratgies d'autogestion par soi-mme.Ces dmarches sont favorises par l'intgration de tmoignages positifs, d'un contenu empreint de bienveillance et d'une utilisation accrue de techniques de changement de comportement.Conclusion: L'approche de recherche choisie a permis de crer un environnement d'apprentissage jug bienveillant, susceptible de soutenir le sentiment d'auto-efficacit et la motivation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.112 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".