Whiplash Injury is More Than Neck Pain: A Population-Based Study of Pain Localization After Traffic Injury
Notice bibliographique
Résumé
OBJECTIVES: To describe the distribution of bodily pain and identify common patterns of pain localization after traffic injury. METHODS: Cross-sectional analysis of a population-based cohort of 6481 Saskatchewan residents who were treated or filed an auto insurance claim within 30 days of traffic injury or both. The prevalence of pain in each of 13 body areas was calculated and compared with pain confined exclusively to each of these areas. Principal component analysis was used to identify the main patterns of pain localization after traffic injury. RESULTS: Irrespective of pain in other areas, 86% of respondents reported posterior neck pain, 72% indicated head pain, and 60% noted lumbar back pain. Ninety-five percent of claimants reported some pain within the posterior trunk region, comprising the posterior neck, shoulder, mid-back, lumbar, and buttock areas. Only 0.4% of respondents reported posterior neck pain only. Four main patterns accounted for 60% of the variance in pain localization: 1) upper anterior trunk and upper extremity pain; 2) head, posterior neck, and upper posterior trunk pain; 3) low back pain; and 4) lower anterior trunk and lower extremity pain. CONCLUSION: Pain after traffic injury is most commonly reported in multiple body areas; isolated neck pain is extremely rare. These results have implications for clinical management of traffic injuries and interpretation of whiplash-related trials.
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 | 0,001 | 0,000 |
| 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 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 ».