Can venous and arterial leg ulcers be differentiated by the characteristics of the pain they produce?
Notice bibliographique
Résumé
AIM: To explore the characteristics of venous and arterial leg ulcer pain among people cared for in the community. BACKGROUND: There is little information available concerning the different characteristics of pain resulting from venous and arterial leg ulcers. The identification of clear differences in pain experience might aid recognition of arterial deterioration and provide a useful adjunct for existing diagnostic procedures. DESIGN: This was a prospective interview-based survey. METHOD: Structured interviews were conducted with each of the participants in their home. Ulcer history, pain (McGill pain questionnaire and verbal rating scale) and factors influencing pain were assessed. RESULTS: Fifty-two women and 27 men aged 77.7 (SD 8.9) took part. Pain scores for least, average, worst and present pain varied widely, and arterial ulcers were associated with the highest average pain scores. Pain tended to be worst at night and least in the afternoon; arterial ulcers were more painful than venous ulcers on lying down. Venous leg ulcers were frequently described as throbbing, burning and itchy, while arterial ulcer pain tended to be described as sharp and hurting. CONCLUSIONS: Some characteristics of pain appeared to be suggestive of the leg ulcer type. Differences were found in the words chosen to describe the pain as well as the temporal and postural aspects of arterial and venous leg ulcer pain. More research is needed to confirm these preliminary findings. RELEVANCE TO CLINICAL PRACTICE: Patients' descriptions of pain have the potential to supplement other methods of differentiating between types of leg ulcer and provide an early-warning indicator for transition from venous to arterial ulceration.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».