Does Pain in Individuals with Multiple Sclerosis Affect Employment? A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
BACKGROUND: Individuals with multiple sclerosis (MS) experience some of the highest unemployment rates among all groups of chronic illnesses. Pain has been found to be a common reason for sick leave or early retirement in healthy populations or other groups with chronic illness; however, there is little awareness regarding the effect of pain on the work status of individuals with MS. OBJECTIVES: To estimate the extent to which individuals with pain differ in employment status compared with those without pain among MS patients. METHODS: An extensive systematic review of the scientific literature was performed within the framework of the Cochrane Collaboration to identify studies focusing on the effect of pain on employment in individuals with MS. The following databases were searched: PubMed, EMBASE, PsychInfo, Web of Science, MD Consult and Elsevier, and Science Direct. The methodological quality of studies was assessed using the McMaster Critical Review Form. RESULTS: Ten articles met the inclusion criteria and were included in the systematic review. Of these studies, five that exhibited clinical, methodological and statistical homogeneity were included in the meta-analysis. The between-groups (pain + versus pain -) pooled random OR of being employed was 0.7 (strong), and was significantly different from unity (95% CI 0.5 to 0.9; P=0.001). CONCLUSIONS: The results of the present study indicated that individuals with MS who experience pain were significantly more likely to report a decreased employment rate than individuals with MS who were pain free.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».