Alexithymia, Depression, Inflammation, and Pain in Patients With Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: We previously reported that depression and inflammation have independent effects on pain severity in patients with rheumatoid arthritis (RA). Alexithymia is a personality trait characterized by deficits in cognitive processing and regulation of emotions. A broad association between alexithymia and various health problems has been suggested, including depression, inflammation, and pain. The objective of this study was to examine the independent influence of alexithymia on pain perception and its relationship to depression and inflammation. METHODS: We evaluated 213 RA outpatients who completed self-administered questionnaires, including the Beck Depression Inventory-II (BDI-II) to measure depression severity, the 20-item Toronto Alexithymia Scale (TAS-20) to measure degree of alexithymia, and a visual analog scale to quantify perceived pain. Serum C-reactive protein (CRP) levels were measured to quantify inflammation severity. RESULTS: An initial significant positive association between the TAS-20 score and pain severity (P = 0.01) lost significance after controlling for BDI-II score and CRP level using regression analysis. An interaction was observed among alexithymia, depression, and inflammation with regard to perceived pain. Among those without alexithymia, pain severity increased linearly with the CRP tertile levels regardless of the presence of depression (P < 0.001 for trend). No linear association between pain severity and CRP level was observed among those with alexithymia. Moreover, depressed patients with alexithymia (BDI-II score ≥14 and TAS-20 score ≥61) reported severe pain even at low CRP levels. CONCLUSION: Alexithymia might have a substantial role in pain perception as well as depression in patients with RA. A biopsychosocial approach is essential to achieve better pain control.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».