DIFFERENT MUSCULOSKELETAL PAINS AND SOCIOCULTURAL FEATURES: THE CASE OF PRIVATE NOBEL PHYSICAL THERAPY AND REHABILITATION MEDICAL CENTER
Notice bibliographique
Résumé
Aim: It was conducted to evaluate the effect of some sociodemographic and cultural characteristics on pain perception and pain intensity in different musculoskeletal pains and to determine some characteristics related to pain. Method: By recording the demographic information and sociocultural characteristics of all participants; Scandinavian Musculoskeletal Questionnaire and McGill Pain Scale Short Form were used to assess pain perception and pain intensity. Results: 544 patients, 372 women and 172 men, with subacute and chronic musculoskeletal pain were included in this study. The average age of the participants was 40.74±14.53 years. When the effect of sociocultural factors on pain intensity and pain perception (sensory and perceptual dimensions) is examined; it was determined that as the education level increased, the severity of pain (p = 0.002) and pain perception decreased (p = 0.0001), and the pain intensity of the participants living in the village was higher (p = 0.014). While the severity of pain and pain perception were higher in female individuals, it was determined that they also increased with age. When the relationship between pain intensity and pain perception of the participants is examined; positive high relationship (r = 0.630, p = 0.0001) was found between the intensity of pain and sensory pain perception, and a moderate relationship (r = 0.597, p = 0.0001) was found between perceptual dimension. A high positive correlation was found between sensory and perceptual pain dimensions (r = 0.658, p = 0.0001) Conclusion: Chronic pain experience and pain perception levels are affected by social and cultural characteristics. Sociocultural characteristics of individuals should also be taken into consideration in pain relief. Studies examining the effects of different sociocultural characteristics such as language, religious belief, family structure, pet feeding or interaction with animals on musculoskeletal pain are also needed.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».