Notice bibliographique
Résumé
Chronic pain is one of the common reasons patients visit the doctor, During these appointments, physicians and all medical care professionals should evaluate patients for comorbidities such as depression and substance dependency. The purpose of treating chronic noncancer pain (CNCP) is not always to eliminate the pain; therefore, it is important to communicate about the treatment plan and target. Important points to discuss include reducing the pain, improving quality of life, and increasing the patient's function.In Europe, many studies reported a significant influence of CNCP on different aspects of quality of life. Chronic pain negatively changes the patients’ perception of general health, interferes in daily activities which make patients participate less in these activities, and isolates patients from family and friends which increases the risk of depression. Chronic pain has an economic impact. These impacts include lost work days. In a 6-month study, the average lost work days were 7.8; although, about 22% of patients in this study had a minimum of 10 missed work days. These numbers increased when the patient had a major depressive disorder.[4]There are pharmaceutical and non-pharmaceutical treatments for CNCP. In the management of CNCP, physicians should always consider all treatment options, and if possible, to try to use the non-addictive options, especially when the patient has a history of substance abuse.[5]Management of CNCP ideally includes different specialties including the primary care physician, psychiatrist, addiction specialist, pain specialist, psychologist, and pharmacist to provide the best treatment plan and goal for the patient.[6] An addiction specialist is one of the most important specialists to involve to monitor patients using drugs with dependency potential, identify the possible relapse, and evaluate these patients throughout the 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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,008 |
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 ».