Exploration de la priorisation de l'autogestion de la douleur chronique en présence de maladies concomitantes
Bibliographic record
Abstract
Contexte : Au Canada, une personne sur cinq vit avec une douleur chronique, une maladie fréquemment associée à d’autres maladies chroniques. Comme pour la plupart des maladies chroniques, l’engagement réussi du patient dans la gestion des symptômes est essentiel pour la gestion de la douleur chronique. Dans le contexte de multiples maladies, l’autogestion implique une priorisation quotidienne des symptômes et des maladies, ainsi que des prises de décision, ce qui peut être exigeant. L’autogestion des maladies chroniques peut nécessiter une compétence plus complexe et des tâches pour aborder les différentes implications de chaque maladie. Objectif : Notre objectif de recherche était d’explorer les types et les processus de priorisation des symptômes dans l'autogestion chez les adultes vivant avec de la douleur chronique et d'autres maladies chroniques. Devis : Cette recherche a été menée dans le cadre d’une étude plus vaste adoptant un devis mixte séquentiel explicatif. Cette recherche s’est concentrée plus particulièrement sur la partie qualitative de l’étude. Lieu(x) : Les participants recrutés pour la composante qualitative ont participé à un entretien individuel semi-structuré en ligne ou en personne au Centre hospitalier de l’Université de Montréal. Participants : Au total, 25 participants ont été interviewés, dont 18 femmes et 7 hommes. Méthodes : Les participants étaient éligibles pour participer à l’étude s’ils avaient 18 ans ou plus, vivaient avec de la douleur depuis plus de trois mois et avaient au moins une autre condition médicale pour laquelle ils recevaient un traitement ou s’engageaient dans la gestion des symptômes. Les entretiens semi-structurés ont été menés en personne ou virtuellement et ont été retranscrits intégralement. Une analyse thématique réflexive a été utilisée pour explorer les récits des patients, et une approche ouverte et itérative a été adoptée pour coder les entretiens et générer des thèmes. Résultats : Le premier thème, axé sur la priorisation des symptômes, a montré différents processus de priorisation, notamment la priorisation d'une maladie dominante, la priorisation de plusieurs maladies pour éviter des conséquences indésirables, et enfin l'absence ou les processus automatiques de priorisation. Dans le deuxième thème, nous avons identifié plusieurs caractéristiques d'une maladie, en l'occurrence la douleur chronique, qui en faisaient une priorité d'autogestion : sa nature incontrôlable et handicapante, son omniprésence, son imprévisibilité, son caractère désagréable et son invisibilité pour autrui. Dans le dernier thème, nous avons souligné que certains facteurs psychosociaux influencent les niveaux d'engagement dans l'autogestion et les processus de priorisation, notamment le soutien social et la relation patient-médecin. Conclusions : La douleur chronique était la maladie la plus souvent priorisée par les participants dans leurs tâches d’autogestion. En raison de ses caractéristiques, c’était la maladie qui avait le plus d’impact négatif sur le fonctionnement quotidien.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".