Relationship Between Pain and Neuropathic Symptoms in Chronic Musculoskeletal Pain
Notice bibliographique
Résumé
OBJECTIVE: The present study aimed to assess neuropathic symptoms, their stability over time and relationship to pain intensity, pain distribution, and emotional distress in patients with musculoskeletal disorders. DESIGN: This is a prospective study. SETTING: The study was done at the Department of Physical Medicine and Rehabilitation at Ulleval University Hospital. PATIENTS: Eighty-six subjects between 18 years and 70 years with chronic musculoskeletal pain participated. Forty-nine subjects had widespread pain and 39 subjects fulfilled the American College of Rheumatology (ACR) criteria for fibromyalgia. OUTCOME MEASURES: McGill pain drawing, pain intensity (visual analog scales), emotional distress (Hopkins Symptom Checklist v 25), and fibromyalgia impact questionnaire were the recorded predictors, and neuropathic symptoms (Leeds assessment of neuropathic symptoms and signs-LANSS) were the main outcome variable which was assessed over 4 months. RESULTS: The mean LANSS score was 6.7 (standard deviation 5.6). Thirteen percent of the subjects had a score of 12 or more. Self-reported LANSS symptoms did not change over the 4 months follow-up, and the reliability of measurements as evaluated by intraclass correlation coefficient was 0.78. In a backward multiple regression analysis, the presence of fibromyalgia diagnosis and emotional distress remained the final predictors for neuropathic symptoms. CONCLUSIONS: Our study demonstrates that neuropathic symptoms are prominent features of chronic musculoskeletal pain and are stable over time. These symptoms were closely related to emotional distress and to the diagnosis of fibromyalgia. The results lend support to the theory that neuropathic symptoms represent an underlying sensitization.
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 | 0,015 | 0,007 |
| 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 ».