Demographic and Psychosocial Predictors of Acute Perioperative Pain for Total Knee Arthroplasty
Notice bibliographique
Résumé
BACKGROUND: As the North American population ages, the prevalence of knee osteoarthritis and the surgical interventions (ie, total knee arthroplasty [TKA]) aimed at correcting pain and disability will also rise proportionally. Therefore, efforts to better understand the factors associated with surgical outcomes are warranted. To date, no studies have examined the impact of psychosocial factors on acute postoperative TKA pain. OBJECTIVES: The primary objective was to examine the associations among catastrophizing, negative mood, demographics and acute postoperative pain following TKA. Ancillary analyses examined the association of preoperative psychological variables with postoperative pain. METHODS: Patients completed questionnaire packages 2 h before their surgery and on three consecutive postoperative days while in the hospital. The questionnaire packages included the Short Form - McGill Pain Questionnaire, the Pain Catastrophizing Scale and the Shortened Version of Profile of Mood States. The Mini-Mental State Examination was also administered. Demographic data were extracted from patients' medical charts. RESULTS: Associations among catastrophizing, negative mood and pain were established. Regressions showed that younger age predicted greater preoperative and postoperative day 1 pain; catastrophizing predicted preoperative and postoperative day 2 pain; and negative mood predicted postoperative day 3 pain. Catastrophizing and negative mood were highly correlated at several assessment points. Preoperative variables did not predict postoperative pain. CONCLUSION: These results have postoperative pain management implications. Heightened attention to psychosocial variables, such as postoperative catastrophizing and negative mood, may be useful in identifying patients at risk for greater postoperative pain.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».