Prevalence, severity, and clinical correlates of pain in patients with systemic sclerosis
Notice bibliographique
Résumé
OBJECTIVE: Large descriptive studies of pain in systemic sclerosis (SSc) are lacking. The present study estimated prevalence, severity, and associations between SSc clinical variables and pain in all patients with SSc and in limited cutaneous (lcSSc) and diffuse cutaneous (dcSSc) subsets. METHODS: Patients enrolled in a multicenter SSc registry (n = 585) completed a standardized clinical assessment and questionnaires about their physical and psychosocial health, including a pain severity numerical rating scale (NRS; range 0-10). Pain prevalence and severity were estimated with descriptive statistics. Crude and adjusted associations between specific SSc clinical variables and pain were estimated with linear regression for the entire group and by SSc subtype. RESULTS: Of the patients, 484 (83%) reported pain (268 [46%] mild pain [NRS 1-4], 155 [27%] moderate pain [NRS 5-7], and 61 [10%] severe pain [NRS 8-10]). More frequent episodes of Raynaud's phenomenon, active ulcers, worse synovitis, and gastrointestinal (GI) symptoms were associated with pain in multivariate analysis adjusting for demographic variables, depressive symptoms, and comorbid conditions. Patients with dcSSc reported only slightly higher mean +/- SD pain than those with lcSSc (dcSSc 3.9 +/- 2.8 versus lcSSc 3.4 +/- 2.7; Hedges's g = 0.18, P = 0.05). Regression estimates did not differ significantly between SSc subsets. CONCLUSION: Pain symptoms were common in the present study of patients with SSc and were independently associated with more frequent episodes of Raynaud's phenomenon, active ulcers, worse synovitis, and GI symptoms. Subsetting by extent of skin involvement was only minimally related to pain severity and did not affect associations with clinical variables. More attention to pain and how to best manage it is needed in SSc.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».