Prevalence and Determinants of Pain and Pain‐Related Disability in Urban and Rural Settings in Southeastern Ontario
Notice bibliographique
Résumé
BACKGROUND: Canadian chronic pain prevalence estimates range from 11% to 66%, are affected by sampling and measurement bias, and largely represent urban settings. OBJECTIVES: To estimate chronic pain prevalence and factors associated with pain in southeastern Ontario, a region with a larger rural than urban residence. METHODS: A systematic sampling with a random start was used to contact households. A telephone-administered questionnaire using the Graded Chronic Pain Scale, with questions on health care and medication use, health status, depression and demographics, was administered to consenting adults (18 to 94 years of age; mean age 50.2+/-16.6 years). RESULTS: The response rate was 49% (1067 of 2167), with 76% reporting some pain over the past six months. Low pain intensity with low pain interference prevalence was 34% (grade I), high pain intensity with low pain interference was 26% (grade II), and high pain intensity with high pain interference was 17% (grades III and IV). Of those reporting pain, 49% reported chronic pain (ie, pain for a minimum of 90 days over the past six months) representing 37% of the sample. Being female, unmarried, lower income, poorer self-reported health status and rural residence were associated with increasing pain. Once depression was considered in this pain analysis, residence was no longer significant. Lower rates of health care utilization were reported by rural residents. In those reporting the highest pain grades, poor health, greater medication and health care use, depression and more pain sites were associated with higher odds for pain-related disability. CONCLUSION: There is an elevated prevalence of pain in this almost equally split rural/urban region. Further examination of health care utilization and depression is suggested in chronic pain prevalence research.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».