The Impact of Sampling and Measurement on the Prevalence of Self‐Reported Pain in Canada
Notice bibliographique
Résumé
BACKGROUND: Pain is an important public health problem in Canada. International estimates of general population pain prevalence range from 2% to 46%. OBJECTIVES: The purpose of this paper is to critically examine the potentially misleading use of overall prevalence estimates in the pain literature and to use two Canadian population-based surveys to assess the impact of sampling and measurement on prevalence. METHODS: Two of the secondary data sets used were the 1996/97 National Population and Health Survey (NPHS) and the Canadian Multicentre Osteoporosis Study (CaMos). This paper is based on the assessment of chronic pain in the NPHS, and the assessment of short term pain using the Medical Outcomes Trust's 36-item health survey and the Health Utilities Index, both collected by CaMos. Data are presented as frequencies and percentages overall and stratified by age and sex. CaMos prevalence estimates were age- and sex-standardized to the NPHS population. RESULTS: The overall prevalence of pain was 39% for one-week pain, 66% for four-week pain and 15% for chronic pain. Women were more likely to report pain than men and the prevalence of pain increased with age. CONCLUSIONS: This study yields useful information about the self-reported responses to a variety of questions assessing pain in the general population. Responses to the different questions likely represent different categories of pain, such as short term versus chronic pain, which in turn may have different epidemiological risk factors and profiles. Longitudinal studies of the epidemiology, predictors and natural history of chronic pain are urgently needed in the Canadian population.
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 | 0,023 | 0,002 |
| 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 ».