Pain Intensity Variability and Its Relationship With Quality of Life in Youths With Juvenile Idiopathic Arthritis
Notice bibliographique
Résumé
OBJECTIVE: To describe variability of pain intensity experienced by youths with juvenile idiopathic arthritis (JIA) and examine factors related to within-day patterns of pain and the relationship between magnitude of pain variability and quality of life. METHODS: Pain intensity was self-reported on a visual analog scale (VAS; range 0-100) by 112 youths with JIA ages 8-18 years using electronic diaries 3 times per day for 7 days. Average absolute change in pain (AAC) was computed as a measure of the magnitude of pain variability for each participant. Logistic regression was used to examine the relationship between demographic and disease characteristics and the probability of having high pain variability (AAC ≥10 VAS units). Linear regression was used to examine the relationship between quality of life (assessed by the Pediatric Quality of Life Inventory) and AAC. The generalized estimating equations approach was used to examine the relationship between the time of day and pain intensity. RESULTS: The mean ± SD AAC was 15.6 ± 10.5. The majority of youths (65%) had high AAC (≥10 VAS units). Disease severity predicted high pain variability (β = 0.02, P = 0.044). Higher AAC predicted lower quality of life (adjusted R(2) = 0.194, β = -0.59, P = 0.003). Within-day patterns of pain intensity varied by JIA subtype and sex. CONCLUSION: This study characterized the pain intensity variability experienced by youths with JIA. Pain variability throughout the day was common, varied by JIA subtype and sex, and was related to quality of life. These findings have implications for future pain research, patient education, and development of clinical interventions for this population.
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 | 0,013 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».