Differences in Clinical Pain and Experimental Pain Sensitivity Between Asian Americans and Whites With Knee Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: Ethnicity has been associated with clinical and experimental pain responses. Whereas ethnic disparities in pain in other minority groups compared with whites are well described, pain in Asian Americans remains poorly understood. The purpose of this study was to characterize differences in clinical pain intensity and experimental pain sensitivity among older Asian American and non-Hispanic white (NHW) participants with knee osteoarthritis (OA). METHODS: Data were collected from 50 Asian Americans ages 45 to 85 (28 Korean, 9 Chinese, 7 Japanese, 5 Filipino, and 1 Indian) and compared with 50 age-matched and sex-matched NHW individuals with symptomatic knee OA pain. The Western Ontario and McMaster Universities Osteoarthritis Index and Graded Chronic Pain Scale were used to assess the intensity of clinical knee pain. In addition, quantitative sensory testing was used to measure experimental sensitivity to heat-induced and mechanically induced pain. RESULTS: Asian American participants had significantly higher levels of clinical pain intensity than NHW participants with knee OA. In addition, Asian American participants had significantly higher experimental pain sensitivity than NHW participants with knee OA. DISCUSSION: These findings add to the growing literature regarding ethnic and racial differences in clinical pain intensity and experimental pain sensitivity. Asian Americans in particular may be at risk for clinical pain and heightened experimental pain sensitivity. Further investigation is needed to identify the mechanisms underlying ethnic group differences in pain between Asian Americans and NHWs, and to ensure that ethnic group disparities in pain are ameliorated.
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 | 0,016 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».