Factors mediating the impacts of child abuse and intimate partner violence on chronic pain: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Most research on the health impacts of intimate partner violence (IPV) and child abuse has been conducted in Western countries and may not be generalizable to women living in different contexts, such as Saudi Arabia. Chronic pain, a disabling health issue associated with experiences of both child abuse and IPV among women, negatively impacts women's well-being, quality of life, and level of functioning. Yet, the psychosocial mechanisms that explain how abuse relates to chronic pain are poorly understood. We developed and tested a theoretical model that explains how both IPV and child abuse are related to chronic pain. METHODS: We recruited a convenience sample of 299 Saudi women, who had experienced IPV in the past 12 months, from nine primary health care centers in Saudi Arabia between June and August 2015. Women completed a structured interview comprised of self-report measures of IPV, child abuse, PTSD, depressive symptoms, chronic pain, and social support. Using Structural equation modeling (SEM), we analyzed the proposed model twice with different mental health indicators as mediators: PTSD symptoms (Model 1) and depressive symptoms (Model 2). RESULTS: Both models were found to fit the data, accounting for 31.6% (Model 1) and 32.4% (Model 2) of the variance in chronic pain severity. In both models, mental health problems (PTSD and depressive symptoms) fully mediated the relationship between severity of IPV and child abuse and chronic pain severity. Perceived family support partially mediated the relationship between abuse severity and depressive symptoms. CONCLUSIONS: These results underscore the significance of considering lifetime abuse, women's mental health (depressive and PTSD symptoms) and their social resources in chronic pain management and treatment.
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 | 0,005 | 0,000 |
| 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 | 0,002 | 0,001 |
| 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 ».