The Effects of Pain and Depression on Physical Functioning in Elderly Residents of a Continuing Care Retirement Community
Notice bibliographique
Résumé
UNLABELLED: OBJECTIVE. Explore the relationships between pain, depression, and functional disability in elderly persons. DESIGN: A cross-sectional, observational study of 228 independently living retirement community residents. METHODS: Self-report measures of pain (adaptation of McGill Pain Questionnaire), depression (Geriatric Depression Scale [GDS]) and physical functioning (Physical performance difficulties, activities of daily living [ADL], independent activities of daily living [IADL], and 3-meter walking speed) were employed. OUTCOME MEASURES: Physical functioning variables were dichotomized. Individuals in the lowest quartiles of functional performance and of walking speed were contrasted to all others; for ADL and IADL, those needing some help were compared with those independent in activities. RESULTS: Pain and depression levels were strongly related to physical performance; depression levels were related to ADL and walking speed. In multivariate analyses, an interaction effect was observed where the effects of pain were a function of level of depression. Individuals reporting activity-limiting pain and slightly elevated depressive symptom levels, sub-threshold depression, or major depression were significantly more likely (AOR 7.8; 95% CI, 3.07-20.03) than non-depressed persons to be in the lowest quartile of self-reported physical performance. CONCLUSIONS: While both pain and depression level affect physical performance, depressive symptoms rather than pain appear the more influential factor. When seeing elderly patients, identifying, evaluating, and treating both pain complaints and depressive symptoms and disorders may reduce functional impairment.
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 | 0,003 | 0,003 |
| 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 ».