Correlation between pain severity and levels of anxiety and depression in osteoarthritis patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: Osteoarthritis (OA) is a chronic degenerative musculoskeletal disease that causes articular damage and chronic pain, with a prevalence of up to 50% in individuals >60 years of age. Patients suffering from chronic painful conditions, including OA, also frequently report anxiety or depression. A systematic review and meta-analysis were performed to assess the correlation between pain severity and depressive and anxious symptomatology in OA patients. METHODS: A systematic search was conducted using four databases (PubMed, Medline, Scopus, and Web of Science) from inception up to 14 January 2020. We included original articles evaluating pain severity and anxiety and/or depression severity in OA-diagnosed patients. Detailed data were extracted from each study, including patients' characteristics and pain, anxiety, and depression severity. When available, the Pearson correlation coefficient between pain and depression severity and pain and anxiety severity was collected, and a meta-analysis of random effects was applied. RESULTS: This systematic review included 121 studies, with a total of 38 085 participants. The mean age was 64.3 years old, and the subjects were predominantly female (63%). The most-used scale to evaluate pain severity was the Western Ontario and the McMaster Universities Osteoarthritis Index, while for anxiety and depression, the Hospital Anxiety and Depression Scale was the most used. The meta-analysis showed a moderate positive correlation between pain severity and both anxious (r = 0.31, P <0.001) and depressive symptomatology (r = 0.36, P <0.001). CONCLUSION: Our results demonstrate a significant correlation between pain and depression/anxiety severity in OA patients, highlighting the need for its routine evaluation by clinicians.
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 | 0,011 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,037 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».