Skausmo trukmės įtaka pacientų, sergančių juosmens ir kojos skausmais, funkcinei būklei
Notice bibliographique
Résumé
Darbo tikslas Nustatyti juosmens ir kojos skausmo trukmės įtaką organizmojudėjimo ir emocinei būklei. Metodika 1. Panaudotas standartizuotas skausmo vertinimo klausimynas, į kurį įėjo vizualinė analogijos skalė (VAS), McGill skausmažodžių klausimynas, neropatinio skausmo klausimynas, Rolando – Moriso ir Oswestry funkcinės būklės skalės, nerimo ir depresijos (HAD) skalė. 2. Apklausti pacientai, sergantys juosmens ir kojos skausmais ir apsilankę KMUK ambulatoriniame nervų sistemos ligų centre. 3. Duomenys apdoroti Basic STATISTIKA 5.0 programiniu paketu. Rezultatai Analizuoti 25 pacientų apklausos rezultatai. Tiriamieji pagal skausmo trukmę suskirstyti į dvi grupes – ūminio (iki 3mėn.) ir lėtinio (≥3mėn.) skausmo. Pirmąją grupę sudarė 13 pacientų (4 vyrai ir 9 moterys), kurių amžiaus vidurkis 48,15 ± 3,7m., o amžiaus mediana 47m. Antrąją grupę sudarė 12 pacientų (6vyrai ir 6moterys), kurių amžiaus vidurkis 45,33 ± 4,8m., o amžiaus mediana 43,5m. Ūminio skausmo intensyvumo (VAS) juosmenyje mediana 3, moda 3, kojoje mediana 5, moda 4. Lėtinio skausmo intensyvumo mediana 7,5, moda 5, kojoje mediana 5, moda 5. Ūminio skausmo metu dažniausias funkcijos sutrikimas (moda) buvo 45,83% dėl kojos ir 25% dėl juosmens skausmo. Lėtinio skausmo metu kojos skausmas funkciją trikdė 41,67%, o juosmens 50%. Tačiau skausmo intensyvumo ir funkcijos sutrikimo priklausomybė statistiškai nepatikima (p>0,05). Gilaus (raumenų) kojos skausmo sensoriniai komponentai turi statistiškai patikimą (p<0,05) įtaką funkcijos sutrikimui, skirtingai nuo juosmens (p>0,05). Sergant lėtiniu skausmu 57,14% atvejų gauti kliniškai reikšmingos depresijos (HAD³12balų) rezultatai. [...].
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».