Investigating the impact of pain, age, Gross Motor Function Classification System, and sex on health‐related quality of life in children with cerebral palsy
Notice bibliographique
Résumé
AIM: To explore whether health-related quality of life (HRQOL) can be predicted by pain, age, Gross Motor Function Classification System (GMFCS) level, and sex in children with cerebral palsy (CP) and whether different pain etiologies have varying effects on HRQOL. METHODS: Children with CP aged 3 to 19 years and their caregivers were consecutively recruited. Caregivers reported their child's pain (Health Utilities Index 3 [HUI3] pain subset) and HRQOL (DISABKIDS questionnaires). Physicians identified pain etiologies. A multiple linear regression model determined whether pain, GMFCS level, sex, and age predicted HRQOL. An ANOVA evaluated the effects of pain etiologies on HRQOL. RESULTS: Three hundred and forty-four participants were approached and 87% (n=300) participated. Sufficient data were available on 248 (72% of total sample). Sixty-six participants (27%) formed the pain group with HUI3 pain scores of at least 3. The presence of pain and increasing age significantly negatively predicted HRQOL (p<0.001, R(2) =0.141), while GMFCS and sex did not. Musculoskeletal deformity (24%) and hypertonia (18%) were the most frequent pain causes. HRQOL statistically differed depending on the pain etiology (p=0.028) with musculoskeletal deformity showing the lowest mean HRQOL. INTERPRETATION: The presence of pain and increasing age negatively predict HRQOL in CP. musculoskeletal deformity has the greatest negative impact on HRQOL.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».