MétaCan
Menu
Retour à la cohorte
Enregistrement W3087630230 · doi:10.1186/s12891-020-03621-7

Defining pain and interference recovery trajectories after acute non-catastrophic musculoskeletal trauma through growth mixture modeling

2020· article· en· W3087630230 sur OpenAlexafffundabout
Joshua Lee, David M. Walton, Paul F. Tremblay, Curtis May, Wanda Millard, James M. Elliott, Joy C. MacDermid

Notice bibliographique

RevueBMC Musculoskeletal Disorders · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensUniversity of British ColumbiaLondon Health Sciences CentreWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthOntario Ministry of Research, Innovation and ScienceEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCanadian Pain Society
Mots-clésMedicineCohortPhysical therapyRepeated measures designCohort studyRehabilitationProspective cohort studyPhysical medicine and rehabilitationSurgeryInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recovery trajectories support early identification of delayed recovery and can inform personalized management or phenotyping of risk profiles in patients. The objective of this study was to investigate the trajectories in pain severity and functional interference following non-catastrophic musculoskeletal (MSK) trauma in an international, mixed injury sample. METHODS: A prospective longitudinal cohort (n = 241) was formed from patients identified within four weeks of trauma, from attendance at emergency or urgent care centres located in London, ON, Canada, or Chicago, IL, USA. Pain interference was measured via the Brief Pain Inventory (London cohort) or the Neck Disability Index (Chicago cohort). Pain severity was captured in both cohorts using the numeric pain rating scale. Growth mixture modeling and RM repeated measures ANOVA approaches identified distinct trajectories of recovery within pain interference and pain severity data. RESULTS: For pain interference, the three trajectories were labeled accordingly: Class 1 = Rapid recovery (lowest intercept, full or near full recovery by 3 months, 32.0% of the sample); Class 2 = Delayed recovery (higher intercept, recovery by 12 months, 26.7% of the sample); Class 3 = Minimal or no recovery (higher intercept, persistently high interference scores at 12 months, 41.3% of the sample). For pain severity, the two trajectories were labeled: Class 1 = Rapid recovery (lower intercept, recovery by 3 months, 81.3% of the sample); and Class 2 = Minimal or no recovery (higher intercept, flat curve, 18.7% of the sample). The "Minimal or No Recovery" trajectory could be predicted by female sex and axial (vs. peripheral) region of trauma with 74.3% accuracy across the 3 classes for the % Interference outcome. For the Pain Severity outcome, only region (axial trauma, 81.3% accuracy) predicted the "Minimal or No Recovery" trajectory. CONCLUSIONS: These results suggest that three meaningful recovery trajectories can be identified in an international, mixed-injury sample when pain interference is the outcome, and two recovery trajectories emerge when pain severity is the outcome. Females in the sample or people who suffered axial injuries (head, neck, or low back) were more likely to be classed in poor outcome trajectories. TRIAL REGISTRATION: National Institutes of Health - clinicaltrials.gov ( NCT02711085 ; Retrospectively registered Mar 17, 2016).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,381
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,258
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Musculoskeletal DisordersMême sujetPediatric Pain Management TechniquesTravaux en français237 207