Cumulative Lifetime Violence Severity and Chronic Pain in a Community Sample of Canadian Men
Notice bibliographique
Résumé
OBJECTIVE: To create a descriptive profile of chronic pain severity in men with lifetime cumulative violence histories, as a target and/or a perpetrator, and investigate how chronic pain severity is associated with and predicted by lifetime cumulative violence severity and known determinants of chronic pain. METHODS: Analysis of variance and binary logistic regression were performed on data collected in an online survey with a community convenience sample of 653 men who reported experiences of lifetime violence. RESULTS: The prevalence of high-intensity / high-disability pain in men with lifetime violence was 35.8%. Total Cumulative Lifetime Violence Severity-44 (CLVS-44) scores were significantly associated with high-intensity / high-disability chronic pain measured by the Chronic Pain Grade Scale (odds ratio= 8.40). In a model with 10 CLVS-44 subscale scores, only psychological workplace violence as a target (adjusted odds ratio [aOR]= 1.44) and lifetime family physical violence as a target (aOR= 1.42) significantly predicted chronic pain severity. In a multivariate model, chronic pain severity was predicted by CLVS-44 total score (aOR= 2.69), age (aOR= 1.02), injury with temporary impairment (aOR= 1.99), number of chronic conditions (aOR= 1.37), and depressive symptoms (aOR= 1.03). CONCLUSION: The association between lifetime cumulative violence severity and chronic pain severity in men is important new information suggesting the need for trauma- and violence-informed approaches to assessment and intervention with men. This is the first analysis using CLVS-44 subscales to understand which configurations of lifetime cumulative violence may be most predictive of chronic pain severity; further investigation is needed to confirm these findings.
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 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 | 0,015 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».