The Prevalence and Impact of Chronic Pain with Neuropathic Pain Symptoms in the General Population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: We performed a prevalence estimate of chronic pain with neuropathic pain (NeP) symptoms to determine its frequency and associations with morbidity. DESIGN: We conducted a telephone-based survey based upon a random sampling of both urban and rural households of the general population in one Canadian province to determine NeP prevalence and its impact upon financial well-being and quality of life. OUTCOME MEASURES: Telephonic use of the DN4 questionnaire (DN4Q), used to identify NeP symptoms in those patients with chronic pain, was validated within selected clinical populations of chronic pain. Epidemiological data was obtained for all subjects. EuroQoL (EQ)-5D data estimating quality of life was measured. RESULTS: Chronic pain was present in 35.0% of the surveyed population of 1,207 subjects, with NeP symptoms present in 17.9%. The NeP group had significantly more pain, was female predominant, had a greater belief of being economically disadvantaged, suffered from more restrictions in mobility and in usual activities, and had overall lower EQ-5D utility scores compared with subjects with non-NeP. DN4Q validation demonstrated that pain entities not normally defined as NeP are recorded as such using the DN4Q, and that a spectrum of NeP features may occur across a host of painful conditions. CONCLUSION: Despite limitations of the DN4Q, symptoms of NeP may be more prevalent in the general population than expected and has a greater impact upon patients' lives than non-NeP. Limitations of the DN4Q may relate to the concept of a spectrum of NeP existent amongst heterogenous NeP and non-NeP syndromes.
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.
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 | 0,016 | 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) | 0,000 | 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 découle