P.043 Perceptual descriptors and clinical determinants of pain in Parkinson’s disease: focus on patients’ experiences
Notice bibliographique
Résumé
Background: Pain is a disabling non-motor symptom of Parkinson’s disease (PD), which remains underacknowledged, undertreated and often undeclared by patients in the clinical practice. Prevalence of pain ranges from 40-75% among PD patients; however, clinical determinants and self-reported perceptual experiences of pain require further research. Methods: 121 PD patients (age: 67.3±11.4) from community-based clinic were analyzed cross-sectionally. Perceptual experiences and clinical predictors of pain were assessed using structured interviews, questionnaires and neurological examinations. Results: 80 (66%) PD patients reported pain; 65 (54%) described the severity as ‘moderate/high’. Dystonic was the most frequent clinical pain 37/80 (48%), followed by neuropathic (36%), akathisia (29%) and musculoskeletal (28%). More than one type of clinical pain was assessed in 22 (28%) patients. Aching was the most common perceptual descriptor of pain (46%), followed by sharp/deep (30%), tension (18%) and dull (14%). PD localized on the right side quadrupled the odds of pain on the right (OR=4.4, 95%CI [1.1-18.2]); and pain described as ‘sharp’ predicted neuropathic pain (OR=5.6, 95%CI [1.1-29.2]). Pain prevalence also increased with progressive Hoehn-and-Yahr stage. Interestingly, only 51% of patients perceived effects of PD medications on pain symptomology. Conclusions: Perceptual descriptors of pain can provide novel approaches to classify, treat and manage PD. Longitudinal investigations with larger sample are warranted.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».