Pain management and pain characteristics in obese and normal weight patients before joint replacement
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: The objective was to compare the extent of pain interference and pain medication among persons who were classified as obese [body mass index (BMI)≥ 30 kg m(-2) ] and normal weighted (BMI ≤ 25 kg m(-2) ), before a hip or knee replacement surgery. METHODS: Patients candidate for an orthopaedic surgery were successively enrolled, over a 6-month period, and classified in either the normal weight (BMI ≤ 25 kg m(-2) ) or the obese (BMI ≥ 30 kg m(-2) ) categories. Data were collected using self-administered questionnaires with items concerning pain characteristics, pain medication and pain interference. Two standardized questionnaires were associated: the Brief Pain Inventory (BPI) and the Hospital Anxiety and Depression scale (HAD). RESULTS: Fifty-two obese patients (candidates for 24 hip replacements and 28 knee replacements) and 51 non-obese (23 hip replacements and 28 knee replacements) were enrolled. Obese patients suffered from a higher rate of acute pain episodes than non-obese patients (65 versus 44%, P<0.05). Pain interference on walking distance, sleep and relations with others was higher in obese patients. HAD score showed no significant difference between groups. The use of strong opioids and of non-steroidal anti-inflammatory drugs (NSAIDs) was significantly more important in obese patients (13 versus 0% and 31 versus 14%). CONCLUSIONS: Obese patients suffer more significantly of unrelieved chronic pain, which lowers considerably their quality of life. Pain relief is more difficult to obtain, as it requires stronger pain medication and NSAIDs.
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 | 0,050 | 0,061 |
| 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 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».