Neuropathic Pain among Patients with Primary Knee Osteoarthritis: Results of a Cross-sectional Study from a Tertiary Care Center in Southern India
Notice bibliographique
Résumé
Background: Pain in knee osteoarthritis (OA) may have a neuropathic component.We used the Douleur Neuropathique in 4 questions (DN4) questionnaire to assess neuropathic pain in knee OA and to identify factors associated with neuropathic pain.Methods: A total of 161 patients with knee OA satisfying the American College of Rheumatology 1986 classification criteria for knee OA were prospectively studied.DN4 questionnaire was administered; a score of ≥4/10 was classified as diagnostic for neuropathic pain.The Indian version of Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) was used to assess pain, stiffness, and physical function.Factors associated with neuropathic pain were explored.Results: Mean age was 55.7 ± 8.8 years.The mean total Indian WOMAC was 75.07 ± 13.8 and WOMAC pain score was 16.1 ± 3.6.Seventy-nine patients of 161 (49%) had DN4 score ≥4 (neuropathic pain present).When diabetics were excluded (n = 58), the proportion of patients with DN4 score ≥4 reduced to 45.6%.The most frequently described pain characteristic was sensation of electric shock (58.4%).Mean total WOMAC and physical function subscale were significantly higher in neuropathic pain group when compared to the group without neuropathic pain (DN4 ≤3), 77.5 ± 11.5 versus 72.6 ± 15.5, P = 0.024 and 54.3 ± 8.8 and 49.8 ± 12.6, respectively, P = 0.008.Conclusions: Neuropathic pain (DN4 ≥4) was seen in up to 49% patients with knee OA.Centrally acting drugs such as tricyclic antidepressants or duloxetine can be used to improve the quality of life and physical function of knee OA patients with neuropathic 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».