Prevalence of chronic pain seven years following limb threatening lower extremity trauma ☆
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although the etiology of chronic pain following trauma is not well understood, numerous retrospective studies have shown that a significant proportion of chronic pain patients have a history of traumatic injury. The present analysis examines the prevalence and early predictors of chronic pain in a cohort of prospectively followed severe lower extremity trauma patients. Chronic pain was measured using the Graded Chronic Pain Scale, which measures both pain severity and pain interference with activities. Severe lower extremity trauma patients report significantly higher levels of chronic pain than the general population (p<0.001). Their levels are comparable to primary care migraine headache and back pain populations. A number of early predictors of chronic pain were identified, including: having less than a high school education (p<0.01), having less than a college education (p<0.001), low self-efficacy for return to usual major activities (p<0.01), and high levels of average alcohol consumption at baseline (p<0.05). In addition, high reported pain intensity, high levels of sleep and rest dysfunction, and elevated levels of depression and anxiety at 3 months post-discharge were also strong predictors of chronic pain at seven years (p<0.001 for all three predictors). After adjusting for early pain intensity, patients treated with narcotic medication during the first 3 months post-discharge had lower levels of chronic pain at 84 months. It is possible that for patients within these high risk categories, early referral to pain management and/or psychologic intervention may reduce the likelihood or severity of chronic pain.
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.
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 | 0,005 | 0,001 |
| 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 découle