Health literacy, pain intensity and pain perception in patients with chronic pain
Notice bibliographique
Résumé
BACKGROUND: Chronic pain poses a large burden for the healthcare system and the individuals concerned. The impact of health literacy (HL) on health status and health outcomes is receiving more and more attention. The aim of this study was to evaluate the association of HL with chronic pain intensity and pain perception. METHODS: A total of 121 outpatients suffering from chronic pain (pain duration >3 months) were evaluated. The HL was measured using the health literacy screening questions. Pain intensity was measured with a Visual Analogue Scale (VAS) and pain perception with the short-form McGill Pain Questionnaire (SF-MPQ). RESULTS: Individuals with low HL had significantly higher VAS values (Pearson correlation coefficient= -0.270, p = 0.003). Stepwise regression analysis showed that HL has a significant association with pain intensity (odds ratio [OR] = 2.31; 95% confidence interval [CI] 1.11-4.83), even after controlling for age and sex (OR = 2.27; 95% CI 1.07-4.82), but no longer after controlling for education (OR = 2.10; 95% CI 0.95-4.64). CONCLUSION: Individuals with a higher HL showed less pain intensity, which seems to be caused by a better pain management; therefore, supporting the development of HL in patients with chronic pain could be seen as an important objective of integrated care.
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 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».