Predictors of episodic migraine transformation to chronic migraine: A systematic review and meta-analysis of observational cohort studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: An estimated 2.5-3.1% of people with episodic migraine develop chronic migraine in a year. Several risk factors are associated with an increased risk for this transformation. We conducted a systematic review and meta-analysis to provide quantitative and qualitative data on predictors of this transformation. METHODS: An electronic search was conducted for published, prospective, cohort studies that reported risk factors for chronic migraine among people with episodic migraine. Risk of bias was assessed using the Newcastle-Ottawa Quality Assessment Scale. Quality of evidence was determined according to the Grading of Recommendations Assessment, Development and Evaluation (GRADE) guidelines. Effect estimates were retrieved and summarized using risk ratios. RESULTS: Of 5695 identified publications, 11 were eligible for inclusion. The pooled analysis (GRADE system) found "high" evidence for monthly headache day frequency ≥ 10 (risk ratio = 5.95), "moderate" evidence for depression (risk ratio = 1.58), monthly headache day frequency ≥ 5 (risk ratio = 3.18), and annual household income ≥ $50,000 (risk ratio = 0.65) and "very low" evidence for allodynia (risk ratio = 1.40) and medication overuse (risk ratio = 8.82) in predicting progression to chronic migraine. CONCLUSIONS: High frequency episodic migraine and depression have high quality evidence as predictors of the transformation from episodic migraine to chronic migraine, while annual household income over $50,000 may be protective.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,019 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 découle