The importance of catastrophizing for successful pharmacological treatment of peripheral neuropathic pain
Notice bibliographique
Résumé
OBJECTIVE: Catastrophizing may be a negative predictor of pain-related outcomes. We evaluated the impact of catastrophizing upon success of first-line pharmacotherapy in the management of neuropathic pain (NeP) due to peripheral polyneuropathy. METHODS: Patients with confirmed NeP with NeP Visual Analog Scale (VAS) pain severity score ≥4 (0-10 scale) completed the Coping Strategies Questionnaire (CSQ) catastrophizing subscale at baseline. Pharmacological therapy consisting of first-line agents gabapentin, pregabalin, or a tricyclic antidepressant was initiated. Other measures examined included the Karnofsky Performance Scale, Beck Depression Inventory, EuroQol Quality of Life Health Questionnaire, and Modified Brief Pain Inventory. At 3 and 6 months, questionnaires were repeated and adverse effect reporting was completed. Outcome measures assessed were pharmacotherapy success (≥30% relief of NeP) and tolerability over 6 months of follow-up. Bivariate relationships using Pearson product-moment correlations were examined for baseline CSQ catastrophizing subscale score and the change in the NeP VAS scores and medication discontinuation. RESULTS: Sixty-six patients were screened, 62 subjects participated, and 58 subjects (94%) completed the final follow-up visit. Greater catastrophizing was associated with poor pain relief response and greater likelihood of discontinuation of pharmacotherapy, reports of greater disability, and impaired quality of life. Duration of pain was negatively associated with likelihood of pharmacotherapy success. CONCLUSION: Catastrophizing exerts maladaptive effects on outcomes with pharmacotherapy in NeP patients. Detection of catastrophizing during clinical visits when pharmacological therapy is being considered can be a predictive factor for patient outcomes.
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 | 0,007 |
| 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) | 0,004 | 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 ».