Notice bibliographique
Résumé
Peripheral neuropathy (PN) is a common impairment which may impact upon quality of life (QoL). Neuropathic pain (NeP) occurs in up to 50% of patients with PN. We hypothesized that disability and impaired quality of life resulting from PN is primarily associated with presence of NeP. Our aim was to determine using prospectively identified PN patients presenting to a tertiary care neuromuscular clinic if presence of NeP (PN+NeP) had greater impact upon QoL than with absence of NeP (PN-NeP). A second aim was to identify if QoL varied based upon etiology of PN. We analyzed neuropathy severity (Toronto Clinical Neuropathy Score (TCSS)), pain quantity and quality (Visual Analogue Scale (VAS) pain score, Brief Pain Inventory (BPI)), QoL and health status measures (EuroQol Instrument 5 Domains (EQ-5D), Medical Outcomes Sleep Study Scale (MOSSS), Hospital Anxiety and Depression Scale (HADS), Short Form 36 Health Survey (SF-36)) and Health Assessment Questionnaire (HAQ) to determine impact of NeP. Although both cohorts were epidemiologically similar and had similar severity of PN, PN+NeP patients had considerably greater impairment for QoL, sleep efficacy, and features of anxiety and depression, leading to substantially greater health care resources utilization when compared to PN-NeP patients. The magnitude of NeP severity was the only explaining variable for increased impact upon QoL measures and diminishing overall wellbeing. Our results confirm that NeP is a primary indicator for worsening QoL and diminished overall wellbeing in PN patients. The etiology of PN did not influence levels of NeP-related compromise of QoL. Further studies are needed to determine optimal methods for management of PN+NeP patients subjected to a significant physiological, psychological and functional burden.
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 | 0,005 | 0,000 |
| 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 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 ».