Experiencing painful osteoarthritis: what have we learned from listening?
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Despite the central role of pain in osteoarthritis, until recently, relatively little attention was paid to the osteoarthritis pain experience, including the features of osteoarthritis pain that are most important to people living with this disease. The focus of this review is on recent advances in our understanding of the experience of osteoarthritis pain from the patient's perspective. RECENT FINDINGS: To gain an understanding of the experience of pain in osteoarthritis, researchers have largely relied on qualitative methodologies. This research indicates that the osteoarthritis pain experience is multidimensional, reflecting the influence of biological (e.g. pain mechanisms), psychological (e.g. mood and coping), and social factors (e.g. social support). Qualitative and quantitative research to date supports the need for measures that distinguish aspects of the pain itself (intensity, frequency, quality, location, etc.) from the consequences of the pain on activity limitations and participation restriction, mood, sleep, and health-related quality of life. This research has underscored the limitations of existing generic and osteoarthritis-specific pain measures, and is driving the development of new tools to better evaluate osteoarthritis-related pain, and thus assessment of its impact and response to various interventions. SUMMARY: Improved measurement of painful osteoarthritis, including attention to the words people with osteoarthritis use to describe their pain, will undoubtedly lead to an improved understanding of pain mechanisms in osteoarthritis and, in turn, mechanism-based and evidence-based treatment decision making.
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 | 0,008 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».