Pain and Mortality in Older Adults: The Influence of Pain Phenotype
Notice bibliographique
Résumé
OBJECTIVE: Moderate to severe chronic pain affects 1 in 5 adults. Pain may increase the risk of mortality, but the relationship is unclear. This study investigated whether mortality risk was influenced by pain phenotype, characterized by pain extent or pain impact on daily life. METHODS: The study population was drawn from 2 large population cohorts of adults ages ≥50 years, the English Longitudinal Study of Ageing (n = 6,324) and the North Staffordshire Osteoarthritis Project (n = 10,985). Survival analyses (Cox's proportional hazard models) estimated the risk of mortality in participants reporting any pain and then separately according to the extent of pain (total number of pain sites, widespread pain according to the American College of Rheumatology [ACR] criteria, and widespread pain according to Manchester criteria) and pain impact on daily life (pain interference and often troubled with pain). Models were cumulatively adjusted for age, sex, education, and wealth/adequacy of income. RESULTS: After adjustments, the report of any pain (mortality rate ratio [MRR] 1.06 [95% confidence interval (95% CI) 0.95-1.19]) or having widespread pain (ACR 1.07 [95% CI 0.92-1.23] or Manchester 1.16 [95% CI 0.99-1.36]) was not associated with an increased risk of mortality. Participants who were often troubled with pain (MRR 1.29 [95% CI 1.12-1.49]) and those who reported quite a bit of pain interference (MRR 1.38 [95% CI 1.20-1.59]) and extreme pain interference (MRR 1.88 [1.54-2.29]) had an increased risk of all-cause mortality. CONCLUSION: Pain that interferes with daily life, rather than pain per se, was associated with an increased risk of mortality. Future studies should investigate the mechanisms through which pain increases mortality risk.
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 | 0,006 | 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 ».