Prevalence of chronic pain and its characteristics among elderly people in Ahvaz city: a cross sectional study
Notice bibliographique
Résumé
Introduction and purpose: One of the major health problems in old age is chronic pain. There are some evidences showing that elderlys chronic pain is not assessed and relieved adequately. Hence, it is essential to access accurate and sufficient information about chronic pain status to effectively manage the situation. Therefore, this study aimed to assess chronic pain prevalence and its characteristics among elderly. Materials and Methods: This is a cross sectional study conducted among 205 elderly patients with chronic pain using multistage cluster sampling method. Data were collected during a period of 6 months in Ahwaz health care centers. Short version of the McGill Pain Questionnaire was used for chronic pain measurement. The internal consistency was assessed using Cronbach alpha. Data were analyzed using SPSS software (version 21) via Independent sample T test. Findings: Findings from this study showed that the most prevalent chronic pain was knee pain (80%) while, the least one was abdominal pain (13%). Majority of our participants (85%) reported having pain in multiple locations and 15% suffering from pain in a single location. Regarding type of pain, we found that cramping pain (80%) was the most prevalent type and sickening pain (22%) was the least prevalent. In addition, the most intense pain was discomforting pain (33%) and the least one was intolerable pain (19%). Pain was significantly (P less-than 0.05) higher in women, older than 65 years old, singles and under diploma education. There was no significant (P greater-than 0.05) association between pain and home ownership as well as income. Conclusion: This study revealed that prevalence of chronic pain is high among old people. Attention to chronic pain features among elderly is essential for identifying vulnerable groups and delivering better treatments. The findings of this study can be used by researchers and policy makers to plan effective pain management interventions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».