MétaCan
Menu
Retour à la cohorte
Enregistrement W2064135127 · doi:10.1097/jnn.0b013e3181b6be96

The Impact of Pain and Other Symptoms on Quality of Life in Women With Relapsing-Remitting Multiple Sclerosis

2009· article· en· W2064135127 sur OpenAlexfundno aff
Pamela Newland, Robert T. Naismith, Margaret Ullione

Notice bibliographique

RevueJournal of Neuroscience Nursing · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthNational Institute of Neurological Disorders and StrokeSigma Theta Tau InternationalMcGill UniversityUniversity of Missouri
Mots-clésDepression (economics)MedicineQuality of life (healthcare)Multiple sclerosisSleep disorderPhysical therapySleep (system call)InsomniaPsychiatry

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to assess pain, fatigue, depression, sleep disturbance, and quality of life (QOL) in women with relapsing-remitting multiple sclerosis (RRMS) compared with healthy controls. A prospective, cross-sectional, matched-control study was conducted in women with RRMS compared with healthy women. Compared with healthy women, women with RRMS had (a) greater pain presence over 7 days (67%), (b) higher pain intensity, and (c) more pain interference. Pain had a negative impact on fatigue, depression, and sleep in both groups. In all participants, fatigue, depression, and sleep disturbance contributed to decreased mental QOL (mental component summary of QOL scores). Pain has significant nursing implications for women with RRMS. Pain often occurs in association with fatigue, depression, and sleep disturbance, which can lead to a decreased mental QOL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil0,916

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,376
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroscience NursingMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207