Search:
DU Wiki > Ämnen - Subjects > Medicinsk vetenskap > Evidensbaserat arbetssätt och forskningsmetodik inom fysioterapi MC3026 ht18 > PM-arbeten > Utvärdering multimodal rehabilitering. Peter Lamers och Linda Sagnérius

Utvärdering multimodal rehabilitering. Peter Lamers och Linda Sagnérius

    Table of contents
    No headers

     

    Prognostiska faktorer för följsamhet vid multimodal rehabilitering

    Författare: Peter Lamers och Linda Sagnérius

    BAKGRUND

    Långvarig smärta definieras enligt The American Pain Association som smärta som framhärdar bortom den normala läkningstiden för vävnader, vilket uppskattas till 3 månader. Utvecklingen av långvarig smärta är en dynamisk process där psykologiska faktorer i samspel med olika miljöfaktorer spelar en viktig roll. Smärta blir med tiden mer komplex i sin patofysiologi än traumat eller sjukdomen som från början var orsaken till smärtan (Fine, 2011), och blir därmed svårare att behandla med tiden (Linton, 2014). Långvarig smärta påverkar många aspekter i patientens hälsa negativt, såsom sömn, kognitiva processer, affektiva funktioner, det kardiovaskulära systemet och sexualliv. Det finns ett starkt samband mellan smärta och försämring av livskvalitet och dessutom kan smärta få konsekvenser för patientens ekonomi (Fine, 2011). 

    Dessutom är samsjuklighet vid långvarig smärta är vanligt: depression och långvarig smärta förekommer ofta samtidigt (Breivik, 2006).

    Förekomsten av långvarig smärta är vanlig, tidigare forskning har visat att 19 % av Europas befolkning lider av långvarig smärta av måttlig till hög intensitet, varav 60% upplever att deras förmåga till förvärvsarbete påverkades negativt av smärtan (Breivik, 2006).  Detta resulterar i enorma samhällsekonomiska kostnader, ca 300 miljarder sek per år mellan 2004–2009 där produktionsbortfall representerade nästan halva kostnaden (Gustavsson et al., 2012). I jämförelse motsvarade kostnaden för all sjukvård i Sverige 278 miljarder år 2009, vilket innebär att den totala kostnaden för samhället av långvarig smärta översteg hela sjukvårdsbudgeten 2009 (Holm, 2009).

    Den biopsykosociala modellen utvecklades på 70-talet som en utvidgning av det biomedicinska synsättet till att även inkludera psykosociala faktorer som påverkar hälsa och sjukdom (Engel, 1977). Enligt modellen finns det ett samband mellan biomedicinska, psykologiska och sociala faktorer. Det biopsykosociala synsättet ligger vanligtvis till grund för diagnostik, behandling och rehabilitering vid långvarig smärta (Gerdle, 2010). Modellen är lämplig då den reflekterar smärtans komplexitet och modellen ligger till grund för multimodal rehabilitering (MMR) - en rehabiliteringsmetod främst avsedd för att behandla patienter med förhållandevis stora och komplexa rehabiliteringsbehov (Gatchel, McGeary, McGeary, & Lippe, 2014). Metoden innebär att patienten träffar ett fast team bestående av flera professioner som läkare, psykolog, sjuksköterska, fysioterapeut och arbetsterapeut. Teamet samordnar åtgärder enligt ett program för att uppnå mål som definierats tillsammans med patienten  (Gerdle, 2011).  I MMR är patientcentrerad målformulering en grundläggande komponent. MMR kan även innehålla optimering av farmakologisk behandling, KBT, fysisk träning och skräddarsydda insatser för behandling av samsjuklighet.

    MMR har visat sig vara effektivare än enbart träningsprogram eller fysioterapi för att minska upplevd smärta, minska aktivitetsbegränsning samt ökar arbetsåtergång hos personer med långvarig ländryggssmärta (Kamper, Apeldoorn, Chiarotto, & Smeets, 2015). En svensk studie påvisade kliniskt relevanta förbättringar ett år efter deltagande i MMR avseende minskad smärta, minskade psykiska symtom, förbättrad aktivitet och delaktighet samt ökad livskvalitet (Gerdle, Molander, Stenberg, Stålnacke, & Enthoven, 2016). MMR program kan således minska smärta och öka aktivitetsnivå för patienter med långvarig smärta men samtidigt är det en resurskrävande och kostsam behandling (Gerdle et al., 2016; Kamper et al., 2015).

    Behandlingsföljsamhet definieras av WHO hur väl patientens beteende överensstämmer med de rekommendationer som patienten har kommit överens med sin vårdgivare (Room, Hannink, Dawes, & Barker, 2017). En viktig faktor för rehabiliteringsresultatet är behandlingsföljsamhet. Rehabiliteringsresultatet för patienter som följer ordinationer är bättre än för patienter som inte gör det (Baird, Worral, Haslam & Haslam, 2008).
    En betydande andel patienter påbörjar MMR slutför inte programmet och det är därför viktigt att erbjuda MMR till patienter som har möjlighet att slutföra rehabiliteringen. En studie från 2008 redovisade att mer än 50% av deltagarna som påbörjade MMR inte slutförde programmet. (Baird et al., 2008).
    Identifiering av hinder som kan förklara varför patienter inte slutför MMR är därför viktigt för att rikta rehabilitering mot de patienter som mest troligast kan tillgodogöra den. I litteraturen beskrivs att demografiska, hälsorelaterade -och psykologiska faktorer kan påverka behandlingsföljsamheten (Engström & Öberg, 2005; Jack, McLean, Moffett, & Gardiner, 2010; Picorelli, Pereira, Pereira, Felício, & Sherrington, 2014; Thompson, Broadbent, Bertino, & Staiger, 2016). Låg fysisk aktivitetsnivå, låg self-efficasy, depression, ångest, lågt socialt stöd samt smärta vid träning har visat sig ge låg följsamhet vid fysioterapi för muskeloskeletala besvär (Jack et al,. 2010). Vidare är följsamheten lägre hos personer som skattar hög smärtintensitet, hos dem med högre skattad disability och hos dem som skattar sin generella hälsa lågt (Engström & Öberg, 2005). Picorelli, Pereira, Pereira, Felício och Sherrington rapporterade i en systematisk reviewartikel från 2014 att följsamheten hos äldre patienter, vid deltagande i träningsprogram är lägre hos personer med lågt socioekonomiskt status och låg utbildning. Följsamheten var också lägre för patienter med depression, vid användning av psykofarmaka, vid upplevd ensamhet och hos dem med ökad fallrisk. Författarna konkluderade att lågt skattad egen hälsa och högt skattad disability minskar följsamheten vid träningsprogram (Picorelli et al., 2014).Eftersom inga studier hittills utvärderat prognostiska faktorer vid MMR och då generaliserbarheten från nämnda studier är oklar, så är det viktigt att även undersöka faktorer för följsamhet vid MMR.

    Det nationella registret över smärtrehabilitering (NRS) startades 1998 av svensk förening för rehabiliteringsmedicin. Data samlas in till registret i samband med deltagande i MMR program och NRS ger en unik möjlighet att undersöka rehabiliteringsföljsamhet.Det finns nu över 50 000 patienter i databasen. Data rapporteras in till NRS innan MMR program påbörjas, direkt efter rehabiliteringsavslut samt ett år efter avslutad behandling (Nationella Registret över Smärtrehabilitering, u.å.).
    I NRS registreras data i form av standardiserade formulär angående demografiska data såsom ålder, kön, yrke och utbildning. För mätning av psykologiska faktorer används Hospitality Anxiety and Depression Scale (HADS) (Lisspers, Nygren, & Söderman, 1997).För att mäta psykosociala konsekvenser och påverkan på hälsorelaterade beteenden av smärtan används formulären “Multidimentional pain inventory” (Bergstrom, Jensen, Bodin, & Linton, 1998).  Hälsorelaterad livskvalité mäts med SF-36 (Ware & Sherbourne, 1992) samt EQ-5D (Janssen, Pickard, Golicki, & Gudex, 2013) (Herdman m.fl., 2011). För att bedöma patientens rörelserelaterade rädsla används mätinstrumentet “Tampa scale of kinesiophobia” (Weermeijer & Meulders, 2018). Numeric rating scale används för att mäta smärtintensitet (Hawker, Mian, Kendzerska, & French, 2011). Det finns även patientrapporterad data om arbetsstatus. Data grupperas efter funktion och aktivitet enligt International Classifikation of Funktioning (ICF) (Nationella Registret över Smärtrehabilitering, u.å.). I NRS databas finns det således en stor mängd data som kan innehålla information för att ge kunskap om vilka faktorer som har betydelse för patienter med långvarig smärta att fullfölja MMR program. Datan sträcker sig över flera år och en prospektiv longitudinell studie är därför möjligt att genomföra.

    Den svenska regeringen har i rapporten Agenda 2030 beskrivit hållbarhetsmål för Sverige det kommande decenniet. Centralt i den socioekonomiska delen av rapporten är fastställandet av människors lika värde, att människor känner förtroende för varandra och varje individs delaktighet i samhället. Välfärdssamhälle ska erbjuda hjälp anpassad och utformad utifrån de grupper som har störst behov (Enarsson & Vinnova, 2018). Ur detta perspektiv kan detta projekt tillsammans med annan forskning på sikt bidra till en utveckling av MMR. Syftet med forskningen kring MMR är att interventionen anpassas bättre till individen och att fler människor kan tillgodogöra sig av MMR. I förlängningen är syftet med MMR att öka patienternas delaktighet i samhället detta är också ett centralt delmål i regeringens hållbarhetsrapport.
    Av dem som fullföljde ett MMR rehabiliteringsprogram var 80% kvinnor och 20% män (Nationella Registret över Smärtrehabilitering, u.å.). Eftersom NRS databas innehåller så många individer blir forskningen tillförlitlig ur genusperspektiv. Även om antalet manliga deltagare är betydligt färre, är de tillräckligt många för att kunna dra statistiska slutsatser. Bredden och mängden på data i registret minimerar risken till att grupper marginaliseras.  

    Sammanfattningsvis finns det en kunskapslucka inom området. Lite är känt om vilka faktorer som har betydelse för prognosen för att patienter med långvarig smärta kommer att fullfölja MMR. MMR är en kostsam rehabiliteringsmetod och långvarig smärta orsakar stort lidande hos den enskilde individen (Kamper m.fl., 2015). Det är viktigt att ge rätt vård till rätt patient för att på så sätt minska lidande och fördela samhällets resurser på ett ansvarfullt och hållbart sätt. Kunskapen kan möjligen i framtiden bidra till att utveckla MMR så att flera patienter kommer att fullfölja programmet.

    SYFTE
    Syftet med detta arbete är att undersöka vilka faktorer som har betydelse för prognosen för patienter med långvarig smärta för att fullfölja MMR.

    FRÅGESTÄLLNINGAR
    Vilka av registrerade faktorer i NRS databas har prognostiskt betydelse för patienter med långvarig smärta att fullfölja MMR?

    1. Vilka demografiska faktorer (ålder, kön, utbildningsnivå, födelseland, svenskspråkighet) kan påverka utfallet?
    2. Vilka hälsorelaterade faktorer och faktorer kring hälsorelaterad livskvalitet (SF-36 och EQ-5D) kan påverka utfallet?
    3. Påverkar arbetsstatus och sjukskrivning utfallet?
    4. Vilka psykologiska faktorer (Multidimensional pain inventory, HADS, Tampa Scale of Kinesiophobia) påverkar utfallet?
    5. Vilken betydelse har smärtspecifika faktorer (NRS, smärtduration, smärtlokalisation samt antal smärtlokalisationer) för utfallet?

    METOD

    Design och population

    Detta projekt är del av en pågående studie som undersöker effekten av MMR hos patienter med långvarig smärta. Projektet är en kvantitativ prospektiv kohortstudie som kommer att genomföras under våren 2019. Datainsamling sker via det Nationella registret över smärtrehabilitering (NRS). 
    Patienter mellan 18-67 år med smärta över 3 månader som har påbörjat ett MMR program mellan 2009–2016 och har samtyckt till registrering i NRS är inkluderade i denna studie. Urvalet består av ca 15 000 personer.                               
    Rehabiliteringsteam samlar in data innan rehabilitering (baslinje), vid avslut av rehabilitering och ett år efter avslutad rehabilitering. MMR team rapporterar in data efter varje fas till NRS databas som är informationskällan till denna studie. Utfallsmått är att fullfölja eller inte fullfölja ett MMR program.

    Tillgängliga variabler

    NRS innehåller demografiska data som kön, ålder, utbildningsnivå, födelseland och svenskspråkighet. Data som är relaterade till hälsa och hälsorelaterad livskvalitet: frågeformulär EQ-5D och SF 36. Data om arbetsstatus och sjukskrivning. Data som beskriver psykologiska faktorer: Multidimensionel pain inventory, HADS, Tampa scale of Kinesiophobia. Data relaterat till smärta: NRS, smärtduration, smärtlokalisation och antal smärtlokalisationer.

    Statistisk analys

    För att undersöka om det finns prediktorer som har betydelse för att slutföra ett MMR program kommer logiskt regression att användas. Logistisk regression modellerar oddsen för binära utfall givet inkluderade prediktorer (Field, 2014). Odds är ett alternativt sätt att beskriva sannolikhet och är ett uttryck för hur stor sannolikhet det är att en händelse inträffar (Enticott, Kandane‐Rathnayake, & Phillips, 2012).
    För att identifiera modellen med bäst prediktiv förmåga kommer en topdownstrategi användas där alla variabler först inkluderas och därefter utesluts en och en stegvis baserat på Akaike’s information criteria (AIC). När man inkluderar ytterligare variabler i en modell, passar den generellt data bättre. AIC är därför ett lämpligt mått vid jämförelse av modeller, som visar hur bra modellen passar data samtidigt som det bestraffar ökad komplexitet (Snipes & Taylor, 2014). För att bedöma modellens diskriminativa förmåga kommer den slutgiltiga modellens noggrannhet att testas visuellt med en ROC-curve (Reveiver Operating Characteristics-curve). ROC-curves används för att kunna bedöma hur bra en prediktiv modell kan utskilja positivt och negativt i ett binärt utfall. Statistik kommer att tillämpas på ROC-curve (AUC, Area Under the Curve) för att bestämma den optimala modellen (Fawcett, 2006). Därefter kommer resultatet tolkas utifrån klinisk relevans (Carter, 2016; Field, 2014). Dataprogrammet SPSS används för att genomföra statistisk analys. 

    ETISKA ÖVERVÄGANDEN

    Detta projekt är en del i ett större pågående forskningsprojekt som följer Helsinkideklarationen och som har granskats och blivit godkänd av den regionala etikprövningsnämnden i Uppsala (DNR 2018–036). Personer vars data är registrerade i NRS databas har lämnat informerat samtycke till att data kan komma att användas i forskningssyfte. En etisk egengranskning är gjord via blankett framtagen av Forskningsetiska nämnden (FEN) vid Högskolan Dalarna “Blankett för etisk egengranskning”. Två etiska dilemman identifierades gällande känsliga personuppgifter och behandling av registerdata. Känsliga personliga uppgifter finns i NRS databas. För att säkerställa den personliga integriteten är åtkomst av data bara tillgänglig från lösenordskyddad dator på Karolinska Institutet, Huddinge, där all data finns och där alla analyser kommer att ske.
     All data är kodad och deltagarnas identitet har blivit ersatta av nummer, identifiering av personer kommer inte att vara möjligt. Resultatet redovisas på gruppnivå och i statistiska termer. Vissa patientgrupper (exempelvis kopplat till kön, etnicitet, ålder) fullföljer eventuellt MMR program i högre utsträckning än andra grupper. Möjligen kan det då uppfattas att den här studien pekar ut grupper på ett diskriminerande sätt och kan ligga till grund till slutsatser vi inte hade som avsikt. Detta kommer att hanteras genom noggrann tolkning av resultaten samt diskussion. Syftet med studien är endast undersöka om det finns prognostiska faktorer för patienter som påbörjar ett MMR program och på lång sikt påverka följsamheten positivt. Om det finns sådana faktorer kommer de att tas upp i diskussionen.
    Nyttan med projektet är att undersöka om det finns prognostiska faktorer till att fullfölja ett MMR program. Detta kan vara viktig kunskap inför framtiden för att utveckla och skräddarsy MMR program och förbättra följsamheten för fler patienter. Resultatet från detta projekt kommer att presenteras i slutet av vårterminen 2019 på Högskolan Dalarna i Falun.
    Sammanfattningsvis har etiska överväganden gjorts och nyttan med studien väger upp mot de etiska dilemman som identifierats.

     

    PRELIMINÄR TIDSPLAN VÅRTERMINEN 2019

    v 2-3

    Ändringar i PM efter opponering

    Planering och avstämning med handledare

    Litteratursökning

    V 4-6

    Kunskapsinhämtning inför dataanalyser

    v 7

    Dataanalyser på Karolinska institutet, Huddinge

    v 8–14

    Sammanställning av datainsamling och författa resultat

    v 15–17

    Författa diskussion och färdigställa uppsatsen

    V 22

    Försvar och opponering

     

    REFLEKTION

    Vi tror att projektet är genomförbart och att tidsplanen är rimlig. Fördjupade kunskaper kommer att behövas till den statiska analysen som kommer att förvärvas genom relevant litteratur. Eventuellt kommer tidsramen för dataanalyser på Karolinska Institutet att behöva ändras.

    REFERENSER

    Baird, A., Worral, L., Haslam, C., & Haslam, R. (2008). Evaluation of a Multi-disciplinary Back Pain Rehabilitation Programme—Individual and Group Perspectives. Quality of Life Research, 17(3), 357–366. https://doi.org/10.1007/s11136-008-9315-8

    Bergstrom, G., Jensen, I. B., Bodin, L., & Linton, S. J. (1998). Reliability and factor structure of the Multidimensional Pain Inventory Swedish Language Version (MPI-S). Pain, 75(1), 101–110.

    Breivik. (2006). Survey of chronic pain in Europe: Prevalence, impact on daily life, and treatment - Breivik - 2006 - European Journal of Pain - Wiley Online Library. 2006, 2006. Hämtad från https://onlinelibrary-wiley-com.www....in.2005.06.009

    Carter, R. E. (2016). Rehabilitation Research av Russell Carter (Häftad) (Vol. 2016).

    Enarsson, M., & Vinnova. (2018). Kartläggning och analys av politiska mål relaterade till Agenda 2030. Verket för innovationssystem - VINNOVA.

    Engel, G. (1977). Need for a new medical model -challenge for biomedicine. Science, 196(4286), 129–136.

    Engström, L. O., & Öberg, B. (2005). Patient adherence in an individualized rehabilitation programme: A clinical follow-up. Scandinavian Journal of Public Health, 33(1), 11–18. https://doi.org/10.1080/14034940410028299

    Enticott, J. C., Kanadane-Rathnayake, R. K., Phillips, L. E. (2012). Odds ratio simplified. Transfusion, 52(3), 467-469. https://doi/org/10.1111/j.1537-2995.2011.03429.x

    Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861–874. https://doi.org/10.1016/j.patrec.2005.10.010

    Field, A. (2014). Discovering Statistics Using IBM SPSS Statistics, 4th Edition (4:e uppl., Vol. 2000).

    Fine, P. G. (2011). Long-Term Consequences of Chronic Pain: Mounting Evidence for Pain as a Neurological Disease and Parallels with Other Chronic Disease States. Pain Medicine, 12(7), 996–1004. https://doi.org/10.1111/j.1526-4637.2011.01187.x

    Gatchel, R. J., McGeary, D. D., McGeary, C. A., & Lippe, B. (2014). Interdisciplinary chronic pain management. American Psychologist, 69(2), 119–130. https://doi.org/10.1037/a0035514

    Gerdle. (2011). Indikation för multimodal rehabilitering vid längvarig smärta. SBU.

    Gerdle, B. (2010, april 28). Rehabilitering vid långvarig smärta. Hämtad från https://www.sbu.se/sv/publikationer/...gvarig-smarta/

    Gerdle, B., Molander, P., Stenberg, G., Stålnacke, B.-M., & Enthoven, P. (2016). Weak outcome predictors of multimodal rehabilitation at one-year follow-up in patients with chronic pain-a practice based evidence study from two SQRP centres. BMC Musculoskeletal Disorders, 17(1). Hämtad från http://urn.kb.se/resolve?urn=urn:nbn...iu:diva-135744

    Gustavsson, A., Bjorkman, J., Ljungcrantz, C., Rhodin, A., Rivano‐Fischer, M., Sjolund, K.-F., & Mannheimer, C. (2012). Socio-economic burden of patients with a diagnosis related to chronic pain – Register data of 840,000 Swedish patients. European Journal of Pain, 16(2), 289–299. https://doi.org/10.1016/j.ejpain.2011.07.006

    Hawker, G. A., Mian, S., Kendzerska, T., & French, M. (2011). Measures of adult pain: Visual Analog Scale for Pain (VAS Pain), Numeric Rating Scale for Pain (NRS Pain), McGill Pain Questionnaire (MPQ), Short-Form McGill Pain Questionnaire (SF-MPQ), Chronic Pain Grade Scale (CPGS), Short Form-36 Bodily Pain Scale (SF-36 BPS), and Measure of Intermittent and Constant Osteoarthritis Pain (ICOAP). Arthritis Care & Research, 63(S11), S240–S252. https://doi.org/10.1002/acr.20543

    Herdman, M., Gudex, C., Lloyd, A., Janssen, M., Kind, P., Parkin, D., … Badia, X. (2011). Development and preliminary testing of the new five-level version of EQ-5D (EQ-5D-5L). Quality of Life Research, 20(10), 1727–1736. https://doi.org/10.1007/s11136-011-9903-x

    Holm, L. E. (2009). Hälso- och sjukvårdsrapport 2009 - Vårdens förutsättningar, verksamhet och kostnader. Socialstyrelsen, 2009, 32.

    Jack, K., McLean, S. M., Moffett, J. K., & Gardiner, E. (2010). Barriers to treatment adherence in physiotherapy outpatient clinics: A systematic review. Manual Therapy, 15(3), 220–228. https://doi.org/10.1016/j.math.2009.12.004

    Janssen, M. F., Pickard, A. S., Golicki, D., & Gudex, C. (2013). Measurement properties of the EQ-5D-5L compared to the EQ-5D-3L across eight patient groups: a multi-country study. Quality of Life Research, 22(7), 1717–1727. https://doi.org/10.1007/s11136-012-0322-4

    Kamper, S. J., Apeldoorn, A. T., Chiarotto, A., & Smeets, R. (2015). Multidisciplinary biopsychosocial rehabilitation for chronic low back pain: Cochrane systematic review and meta-analysis. BMJ-BRITISH MEDICAL JOURNAL, 350. https://doi.org/10.1136/bmj.h444

    Linton, S. J. (2014). Att förstå patienter med smärta (vol 2). Lund: Studentlitteratur.

    Lisspers, J., Nygren, A., & Söderman, E. (1997). Hospital Anxiety and Depression Scale (HAD): some psychometric data for a Swedish sample. Acta Psychiatrica Scandinavica, 96(4), 281–286. https://doi.org/10.1111/j.1600-0447.1997.tb10164.x

    Nationella Registret över Smärtrehabilitering. (u.å.). Årsrapport 2013.

    Picorelli, A. M. A., Pereira, L. S. M., Pereira, D. S., Felício, D., & Sherrington, C. (2014). Adherence to exercise programs for older people is influenced by program characteristics and personal factors: a systematic review. Journal of Physiotherapy, 60(3), 151–156.

    Room, J., Hannink, E., Dawes, H., & Barker, K. (2017). What interventions are used to improve exercise adherence in older people and what behavioural techniques are they based on? A systematic review. BMJ Open, 7(12), e019221. https://doi.org/10.1136/bmjopen-2017-019221

    Snipes, M., & Taylor, D. C. (2014). Model selection and Akaike Information Criteria: An example from wine ratings and prices. Wine Economics and Policy, 3(1), 3–9. https://doi.org/10.1016/j.wep.2014.03.001

    Thompson, E. L., Broadbent, J., Bertino, M. D., & Staiger, P. K. (2016). Do Pain-related Beliefs Influence Adherence to Multidisciplinary Rehabilitation? A Systematic Review. CLINICAL JOURNAL OF PAIN, 32(2), 164–178. https://doi.org/10.1097/AJP.0000000000000235

    Ware, J. E., & Sherbourne, C. D. (1992). The MOS 36-Item Short-Form Health Survey (SF-36): I. Conceptual Framework and Item Selection. Medical Care, 30(6), 473–483.

    Weermeijer, J. D., & Meulders, A. (2018). Clinimetrics: Tampa Scale for Kinesiophobia. Journal of Physiotherapy, 64(2), 126. https://doi.org/10.1016/j.jphys.2018.01.001

    Files (0)

     

    Comments (4)

    Viewing 4 of 4 comments: view all
    Hej och bra jobbat med PM:et, intressant läsning för mig som inte arbetar med denna typ av patienter! Här kommer några funderingar;

    Bakgrund
    Jag tycker bakgrunden är välskriven och ni tar med flera olika aspekter av långvarig smärta och MMR mm. Snyggt att ni fått med hållbarhetsperspektivet på ett bra sätt. Det framgår också tydligt att ni identifierat en kunskapslucka. Personligen skulle jag ta bort de sista 2 meningarna i första stycket i bakgrunden, jämförelsen mellan samhällskostnaden för långvarig smärta och sjukvårdsbudgeten. Jag tycker det är lite förvirrande eftersom produktionsbortfall är med i samhällskostnaden som en stor post, men det finns väl inte med i sjukvårdsbudgeten?

    Syfte
    Gällande syftet undrar jag om ni behöver förtydliga att det rör sig om personer med långvarig muskuloskeletal smärta som ni skriver senare under population i metoddelen? Annars tycker jag syftet är bra och att frågeställningarna överensstämmer med syftet.

    Metod
    Bra överlag. Jag antar att ni valt upp till 65 år eftersom arbetsför ålder brukar vara krav för MMR?, det kanske bör tilläggas i bakgruden om MMR? Motivera gärna varför ni valt detta åldersspann. Evt. också motivera varför cancerrelaterad smärta exkluderas?

    Etik
    Jag tycker etikdelen är välbeskriven generellt och ni har med de delar som krävs. Se dock över näst sista meningen i första stycket (jag tänker att ni behöver sätta punkt efter nummer och börja en ny mening med identifiering, nu har nummeridentifiering ”smält ihop”).

    Tidsplan
    Tidplanen verkar rimlig, kanske lite tight med 2 veckor till att sammanställa datainsamling och författa resultat? Men det är ju bara ni som vet hur mkt tid ni kan lägga ner under dessa veckor och hur snabbt ni arbetar!

    Referenser
    Gällande referenser tror jag ni behöver lägga till datum där ni skrivit ”hämtad från”…

    Något att fundera över men som sagt, bra jobbat – ert PM är genomtänkt och välskrivet :)

    God Jul och Gott Nytt År! Mvh Stina
    Posted 12:16, 17 Dec 2018
    Hej!
    Välskrivet PM som säkerligen kommer resultera i en intressant uppsats. Ser fram emot att läsa slutresultatet.

    Rubrik
    - Kanske kan utvecklas för att få med att det är smärta ni undersöker. Det gör det lättare att förstå varför ni sedan börjar bakgrunden med att definiera just begreppet smärta.

    Bakgrund
    - Ni tar upp viktiga faktorer kopplade till MMR men trots att jag läst flera gånger så känns inte ordningen på era stycken helt korrekt. Fundera en extra vända över på "tratten" så att ni börjar bakgrunden övergripande och smalnar av det innan problemformuleringen. Tänker att om ni hittar ett bra flyt i ordningen så kan ni skippa sista stycket när ni nämner kunskapslucka, då ni redan har förklarat det innan.
    - Rekommenderar er också att ta bort sista meningarna i första stycket.
    - Referensförteckning saknas för: Room, Hannink, Dawes & Barker 2017 samt på Agenda 2030 (som nämns i löpande text).
    - Hade önskat mer information om de bedömningsinstrument ni använder för att samla in data med t.ex. HADS. Vad undersöks? Hur? Tolkning av resultat? (se mer info under frågeställning).

    Syfte
    - Undersöker ni både positiva och negativa faktorer? Går man vidare i texten och läser etiska överväganden så får jag intrycket att ni bara ska undersöka positiva faktorer. Och underrubriken utfallsmått redogör ni för att det är två utfall.

    Frågeställningar
    - Mina funderingar speglar sig i formuleringen av syfte. Har ni en eller två utfallsvariabler (positiva och/eller negativa)
    - Istället för att skriva "vilka faktorer" kanske det istället är bättre att skriva "utvalda faktorer" då det faktiskt är just det ni undersöker.
    - Hur mäts och tolkas resultaten utifrån era bedömningsinstrument t.ex. HADS?

    Analys
    - Har haft väldigt svårt att sätta mig in i hur eran analys kommer att gå till. Kan bero på att det är en metod som är helt obekant, men går det på något sätt att förenkla beskrivningen och göra det "extra" tydligt för läsaren.
    - Hur kommer det sig att ni undersöker odds? Själv hade jag sett det mycket mer intressant om det istället gått att få fram statistisk signifikans med tanke på att det är mer utifrån den informationen vi i vår profession arbetar med.

    Etiska överväganden
    - Hur tänker ni med etisk diskriminering?

    Tidsplan
    - Verkar rimlig. När ska kunskapsinhämtning om analysmetod göras?

    Se gärna över referenserna. Har nämnt några i bakgrunden men det finns flera ställen i texten som det saknas information om, samt att referenser i förteckningen saknas i löpande text. Använd gärna referenshanteringsprogram :)

    Lycka till!

    Mvh
    Katarina H
    Posted 19:35, 17 Dec 2018
    Hej!
    Tack för ett välformulerat och intressant PM. Liksom föregående "författare" funderar jag också över om det går att förtydliga rubriken tex ….för ett multimodalt rehabiliteringsprogram för smärtpatienter? eller något liknande.

    Jag tycker att bakgrunden är väl beskriven och formulerad men skulle i sista stycket vilja formulera om första meningen till ....för prognosen för att patienter med långvarig smärta skall fullfölja....osv. Samma sak gäller syftet där jag också föreslår att ni ser om ni kan förtydliga texten, t ex enligt mitt förslag ovan (eller något bättre!). Jag tycker att frågeställningarna är tydliga.


    Beträffande den statistiska analysen har jag som Katarina lite svårt att hänga med i resonemanget men det beror antagligen på att jag har för lite kunskap inom området. Förtydliga gärna om det går.


    Kapitlet om etik tycker jag är mycket väl formulerat och jag är imponerad av att ni fått med hållbarhets- och genusperspektiv i ert PM - Snyggt jobbat!


    Gällande tidsplanen tycker jag att två veckor låter lite kort för sammanställning av data och författa resultat. Kanske dataanalyserna kräver kortare tid än beräknat?


    Slutligen: se gärna över referenshanteringen. Jag använder KI:s mall för APA referens och tycker att den fungerar utmärkt!


    /Lycka till med det fortsatta arbetet! mvh Paula
    Posted 22:34, 17 Dec 2018
    Hej Peter och Linda, intressant magisterarbete och mycket att sätta sig in i statistik :)

    Rubrik
    Rubriken kan kanske innehålla att det är patienter som ingår i MMR pga långvarig smärta vilket är det som ni ska titta på.
    Bakgrund
    Bakgrunden ger en bra och tydlig bild av långvarig smärta och även MMR men med titeln som den är formulerad nu så är det inte lika klart varför bakgrund börjar med beskrivning av smärta. Tycker ni ska titta igenom hur ni använder MMR ibland använder ni förkortning och ibland skriver ni ut hela namnet. Bara så ni är konsekventa. Det framgår också tydligt angående den kunskapslucka som finns.Bra att ni får in hållbarhetsaspekten
    Lite småfunderingar i bakgrunden;
    • ”Teamet samordnar åtgärder enligt ett program” är det ett standardiserat program eller individanpassat?
    • I den svenska studien som ni refererar till vilka diagnoser tittade den på?
    • Skulle vilja ha lite mer information om de olika bedömningsinstrumenten
    • Ni tar upp lite statiska siffror gällande de som fullföljt MMR ”80% kvinnor och 20% män” under vilken tidsperiod kommer dessa siffror.

    I frågeställningen så skriv ut hela utvärderingsinstrumentens namn "Tampa Scale" eller kanske är det en förkortning jag inte känner till.

    När det gäller den statistiska analysen så är jag för dåligt insatt i metoden men då ni är inne i ett befintligt projekt så är den säkert genomtänkt. Kanske kan ni förtydliga så även de som inte är insatta förstår.

    Mycket välskrivet om de etiska överväganden

    Analysen, här skriver ni i sista meningen ”eventuellt kommer tidsramen för dataanalyser på Karolinska Institutet behöva ändras” här kanske ni kan beskriva de faktorer som isåfall skulle göra att ni behövde ändra tidsramen.

    Referenser behöver ni ta en extra koll på

    Ska bli kul att höra om ert arbete i maj // Lisa
    Posted 13:46, 18 Dec 2018
    Viewing 4 of 4 comments: view all
    You must login to post a comment.