The implications of chronic pain models for rehabilitation of distal radius fracture
Notice bibliographique
Résumé
Distal radius fracture (DRF) is the most common fracture and usually occurs as a result of a fall. Most patients recover following DRF with minimal residual pain or disability; however, a small subset of patients continue to experience pain and disability even one year after the injury. Currently, there are no practice guidelines for early identification and treatment of patients who are potentially at greater risk of developing these adverse outcomes. As a result, hand therapy management of patients following DRF does not incorporate screening of these at-risk patients. The objective of this paper is to apply constructs from learned helplessness and cognitive-behavioural models of chronic pain in assessing the psychosocial risk profile of patients following DRF. We have also integrated key findings derived from studies addressing personal and life-style factors in assessing this risk profile. This framework is proposed as a basis to categorize patients as higher or lower psychosocial risk for developing chronic pain and disability following DRF. We outline a model depicting the RACE approach (Reducing pain, Activating, Cognitive reshaping, Empowering) towards the management of patients following DRF. The model suggests that patients with minimal psychosocial risk factors are managed based on their injury profile and those with higher psychosocial risk are treated with the risk-based RACE approach. Using a biopsychosocial RACE approach to prognosis and treatment, hand therapy intervention can be customized for patients recovering from DRF. In future, researchers can conduct clinical trials to compare the RACE-based treatment approach to routine hand therapy in mitigating the risk of chronic pain and disability in patients with elevated risk profile for adverse outcomes following DRF.
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) | 0,000 | 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 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 ».