Does Type of Pain Predict Pain Severity Changes in Individuals With Multiple Sclerosis? A Longitudinal Analysis Using Generalized Estimating Equations
Notice bibliographique
Résumé
Background & Objective: Pain is a common symptom among people with MS.In the majority of MS patients, pain is chronic in nature, but it can change over time.The objective of this study was to determine if pain type can predict pain severity changes in individuals with MS over time.Materials & Methods: The research method was a longitudinal design that evaluated pain type and severity at baseline and after 3 years of follow up among people with MS.At the beginning of the study a random sample comprising of 188 individuals with MS were recruited.From those, 78 individuals experienced pain included the study.The McGill pain questionnaire and ID-Pain questionnaire were used to assess type of pain.Numeric Rating Scale was used to measure pain severity.McNemar, Cohen's unweighted Kappa Coefficient, Paired Student t-tests and Generalized Estimating Equations were used to analyze the data.Results: Findings indicated that all pain severity ratings raised on average, though this difference was statistically significant only for lowest pain (P=0.0006).Type of pain did not change in the major part of study sample (P=0.44).Results further indicated that over the follow-up period the lowest pain severity scores were significantly predicted by type of pain (P<0.05), while the pain ratings in worst pain severity was not predicted by the type of pain.Conclusion: Results of the current study help for better understanding of the pain type and severity changes over time among patients with MS.
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 | 0,016 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».