Evaluation of Cold Sensitivity, Pain, and Quality of Life After Upper Extremity Nerve Injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to evaluate the relationship between reported cold sensitivity, pain, and impact on quality of life (QoL) after upper extremity nerve injury. METHODS: This cross-sectional study included adults more than 6 months after an upper extremity nerve injury. Assessment included the Pain Evaluation Questionnaire (pain descriptors, questionnaire, pain intensity, impact on QoL), and Cold Intolerance Severity Scale (CISS). Statistical analyses evaluated the relationships between the Pain Evaluation Questionnaire, CISS, and independent variables. RESULTS: There were 70 patients (mean age 42 ± 16 years). There were high levels of pain, cold sensitivity, and impact on QoL reported. Patients selecting the adjective "coldness" had significantly higher CISS scores (P = .005), pain intensity (P= .008), and impact on QoL (P < .006). Impact on QoL and CISS (r = .35) were moderately correlated. There were significant correlations (P < .01) between the level of cold-induced pain and CISS (r = .78), overall pain intensity (r = .58), pain descriptor score (r = .49), and impact on QoL (r = .32). CONCLUSIONS: Cold-induced pain is associated with higher cold sensitivity scores and greater impact on QoL. Reporting a single descriptor "coldness" and ranking cold-induced symptoms were strongly associated with higher cold sensitivity scores and impact on health-related QoL. This may have important implications for quick screening to identify patients with cold sensitivity, and future studies in larger patient samples are necessary to provide additional evidence.
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.
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 | 0,004 | 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 découle