Pain Catastrophizing Correlates with Early Mild Traumatic Brain Injury Outcome
Notice bibliographique
Résumé
Background. Identifying which patients are most likely to be at risk of chronic pain and other postconcussion symptoms following mild traumatic brain injury (MTBI) is a difficult clinical challenge. Objectives. To examine the relationship between pain catastrophizing, defined as the exaggerated negative appraisal of a pain experience, and early MTBI outcome. Methods. This cross-sectional design included 58 patients diagnosed with a MTBI. In addition to medical chart review, postconcussion symptoms were assessed by self-report at 1 month (Time 1) and 8 weeks (Time 2) after MTBI. Pain severity, psychological distress, level of functionality, and pain catastrophizing were measured by self-report at Time 2. Results. The pain catastrophizing subscales of rumination, magnification, and helplessness were significantly correlated with pain severity (r = .31 to .44), number of postconcussion symptoms reported (r = .35 to .45), psychological distress (r = .57 to .67), and level of functionality (r = -.43 to -.29). Pain catastrophizing scores were significantly higher for patients deemed to be at high risk of postconcussion syndrome (6 or more symptoms reported at both Time 1 and Time 2). Conclusions. Higher levels of pain catastrophizing were related to adverse early MTBI outcomes. The early detection of pain catastrophizing may facilitate goal-oriented interventions to prevent or minimize the development of chronic pain and other postconcussion symptoms.
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 | 0,009 | 0,001 |
| 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 ».