The pain–depression dyad and the association with sleep dysfunction in chronic rhinosinusitis
Notice bibliographique
Résumé
BACKGROUND: Depression, pain, and sleep disturbance is a symptom cluster often found in patients with chronic illness, exerting a large impact on quality of life (QOL). A wealth of literature exists demonstrating a significant association between depression, pain, and sleep dysfunction in other chronic diseases. This relationship has not been described in patients with chronic rhinosinusitis (CRS). METHODS: Sixty-eight adult patients with CRS were prospectively enrolled. Patients at risk for depression were identified using the Patient Health Questionnaire-2 (PHQ-2) using a cut-off score of ≥1. Pain experience was measured using the Brief Pain Inventory Short Form (BPI-SF) and the Short Form McGill Pain Questionnaire (SF-MPQ). Sleep quality was assessed using the Pittsburgh Sleep Quality Index (PSQI). RESULTS: Forty-seven patients were at risk for depression. Significant positive correlations were found between total PSQI scores and all pain measures (R = 0.38-0.61, p ≤ 0.05) and between total PSQI scores and PHQ-2 scores (R = 0.46, p < 0.05). For patients at risk for depression, significant, positive correlations were found between pain measures, the total PSQI score, and the 3 PSQI subdomains (sleep latency, sleep quality, and daytime dysfunction; R = 0.31-0.61, p < 0.05). The relationship between pain and sleep dysfunction scores was not seen in the absence of depression. CONCLUSION: Depression, pain, and sleep dysfunction are interrelated in patients with CRS. In the absence of depression, significant correlations between pain and sleep are not observed, suggesting that depression plays a key role in this interaction. Further research is needed to investigate the complex relationship between depression, pain, and sleep dysfunction in CRS.
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 | 0,000 | 0,000 |
| 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 ».