Distinguishing problematic from nonproblematic postsurgical pain
Notice bibliographique
Résumé
The goal of this study was to follow a cohort of patients undergoing total knee arthroplasty over time to: (1) identify and describe the various pain trajectories beginning preoperatively and for up to 12 months after surgery, (2) identify baseline predictors of trajectory group membership, and (3) identify trajectory groups associated with poor psychosocial outcomes 12 months after surgery. One hundred seventy-three participants (female = 85 [49%]; mean age [years] = 62.9, SD = 6.8) completed pain and psychological questionnaires and functional performance tests preoperatively and 4 days, 6 weeks, and 3 and 12 months after total knee arthroplasty. Using growth mixture modeling, results showed that a 4-group model, with a quadratic slope and baseline pain data predicting trajectory group membership, best fit the data (Akaike information criterion = 2772.27). The first 3 pain trajectories represent various rates of recovery ending with relatively low levels of pain 12 months after surgery. Group 4, the constant high pain group, comprises patients who have a neutral or positive pain slope and do not show improvement in their pain experience over the first year after surgery. This model suggests that preoperative pain levels are predictive of pain trajectory group membership and moderate preoperative pain, as opposed to low or high pain, is a risk factor for a neutral or positive pain trajectory postoperatively. Consistent with previous studies, these results show that postoperative pain is not a homogeneous condition and point to the importance of examining intraindividual pain fluctuations as they relate to pain interventions and prevention strategies.
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 | 0,007 | 0,017 |
| 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 | 0,001 |
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 ».