Impairment, disability and fatigue in multiple sclerosis.
Notice bibliographique
Résumé
BACKGROUND: Identifying the predictors of pain is important for both health professionals and researchers, because pain has repeatedly been found to be a strong predictor of activity limitations and participation restrictions. The objective of this study was to determine the predictors of pain presence and severity in a large, well-designed sample of community dwelling individuals with multiple sclerosis (MS). METHODS: This was a cross-sectional study. A center-stratified random sample including 188 persons with MS were recruited from three major MS clinics in the Greater Montreal, Canada. Main outcomes included pain prevalence and severity. Predictor variables included depression, anxiety, perceived health status, fatigue, sleep problems, and perceived cognitive deficits. Participants completed three questionnaires: the first asked about the socio-demographic and clinical information of the subjects, the second assessed the pain characteristics of the subjects, and the third covered the predictor variables. RESULTS: The prevalence of pain in our sample was 42%. MS- related disability was found to be in the main predictor for both pain presence and intensity. Fatigue also was a main contributor to pain presence. The results of this study also showed that pain was associated with higher levels of depression, anxiety, sleep problems, and perceived cognitive deficits, and diminished perceived health status. CONCLUSIONS: The results of this study indicated that pain is a common symptom among people with MS. Pain presence was predicted by MS-related disability and fatigue, while pain intensity was only predicted by MS severity.
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 | 0,003 |
| 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 | 0,000 | 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) | 0,003 | 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 ».