Pain Extent, Pain Intensity, and Sleep Quality in Adolescents and Young Adults
Notice bibliographique
Résumé
OBJECTIVES: Pain has been shown to be associated with poor sleep quality. The aim of this study was to better understand the role that pain intensity and pain extent (number of painful areas) may play in the sleep quality of young people with acute and chronic pain. DESIGN: Cross-sectional survey. SETTING AND PATIENTS: A convenience sample of adolescents and young adults with acute or chronic pain; 414 individuals ages 12 to 24 (44% with chronic pain). METHODS: We performed a hierarchical regression analysis with sleep as the dependent variable and pain intensity, extent, age and pain chronicity as predictors. RESULTS: Pain extent and pain intensity made significant and independent contributions to the prediction of sleep quality (βs = 0.23 [P < 0.001] and 0.14 [P < 0.01]). Young adults reported poorer sleep than adolescents (β = 0.13, P < 0.01). Two significant interactions emerged: age × intensity (β = 0.39, P < 0.05) and chronicity × intensity (β = 0.88, P < 0.001). CONCLUSIONS: Sleep quality in young people could be improved by teaching them strategies to better manage pain intensity and pain extent. Clinical trials to evaluate the efficacy of (and best timing for) pain interventions to improve sleep quality 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 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 | 0,011 | 0,003 |
| 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 ».