Regression Analysis of the Relationship Among the Level of Pain and Dysfunction and Psychosocial Factors in Patients With Chronic Back Pain
Notice bibliographique
Résumé
Background: Chronic back pain shows a high correlation with lumbar disability, physical disability for daily activities, and psychosocial factors, such as depression. Object: The purpose of this study was to examine the correlation of the level of pain and disability with psychosocial factors, which are potential disturbance variables, in patients with chronic lumbar pain. Method: The sample included 258 patients, who had complained of chronic lumbar pain for more than three months. The Quadruple Visual Analogue Scale was used to measure the level of pain, and a Korean version of Oswestry Disability Index was used to measure the level of disability. Psychosocial factors were measured using the Tampa scale for Kinesiophobia-11, Fear Avoidance Beliefs Questionnaire, and Pain Self-Efficacy Questionnaire. The collected data was analyzed using PASW 18.0, and an independent samples t-test was used to examine frequency, percentage, mean, and standard deviation of sociodemographic characteristics and major variables. Pearson's correlation coefficient was used to investigate the correlation between the level of pain and disability and psychosocial factors. Stepwise multiple regression analysis was done to determine the level of pain and psychosocial factors of functional disorder. The significance level was set at . Result: There is a strong correlation between the level of pain and functional disorder and psychosocial factors in patients with chronic lumbar pain. The study also revealed that as the levels of pain and fear avoidance increase, pain self-efficacy decreases. Conclusion: The results suggest that negative perceptions towards pain, limitations of physical movement, and severe fear avoidance directly affect the decrease in pain self-efficacy. Therefore, it is recommended to test pain self-efficacy when measuring the level of pain and disability in patients with chronic low back pain.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».