Quality of Life and Psychosocial Factors as Predictors of Pain Relief Following Nerve Surgery
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: Peripheral nerve injuries may result in pain, disability, and decreased quality of life (QoL). Pain is an incompletely understood experience and is associated with emotional and behavioral qualities. We hypothesized that pain following peripheral nerve surgery could be predicted by changes in emotions or QoL postoperatively. Methods: Using prospectively collected data, a retrospective study design was used to evaluate the relationships among pain, QoL, and psychosocial factors in patients who underwent peripheral nerve surgery. Patients completed questionnaires rating pain; impact of pain on QoL, sadness, depression, frustration, anger, and hopefulness before surgery; and each postoperative follow-up visit. Multilevel modeling was used to assess the concurrent and lagged relationships between pain and psychosocial factors. Results: Increased pain was concurrently associated with decreased hopefulness ( P = .001) and increased the impact on QoL, sadness, depression, and anger ( P < .001). In lagged analyses, the impact on QoL and anger prospectively predicted pain ( P < .001 and P = .02, respectively). Pain predicted subsequent scores of QoL, sadness, depression, anger, and hopefulness ( P < .01). Having an upper limb nerve injury and self-report of “no comment for childhood trauma” were predictors of postsurgical pain. Conclusion: Psychosocial measures and pain are reciprocally related among patients who underwent surgery for peripheral nerve injuries or compression. Our study provides evidence of the important relationships among psychosocial factors, pain, and outcome and identifies treatment targets following nerve surgery.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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