Prevalence of pain and fatigue in post-stroke patients: a study transverse.
Notice bibliographique
Résumé
Background: Motor and functional recovery in post-stroke individuals is a process of interference from non-motor aspects such as pain and fatigue.The prevalence of these symptoms and their impact on the rehabilitation process need to bebetter understood and studied, mainly in the strategies for the construction of therapeutic approaches. Objectives: To analyze the prevalence of pain and fatigue in individual’s post-stroke. Design and setting: Cross-sectional study that followed the STROBE recommendations. An outpatient clinic at UFRN / FACISA in Santa Cruz-RN institution. Approved by the Research Ethics Committee (Opinion No. 2,622,853). Methods: One sample perconvenience, had 29 post-stroke individuals. The individuals were evaluated using the following clinical instruments: the Mini Mental State Examination (MMSE),Functional Independence (FI), Fulg-Meyer Scale (FMS), Sensory Assessment of Nottingham (SAN), McGill Pain Question (MOQ) and the Severity of Fatigue (SSF). The data were analyzed descriptively. Results: Participants presented the following characteristics clinical: MMSE, 19 (median), (0(1ºQ)/24 (3ºQ)); FI, 80 (0/121); FMS, 36 (36/88); SAN, 108 (0/108); SSF, 9 (0/27). Thus, the prevalence of pain was 28% (8) and the fatigue was present in 76% (22) of the individuals. Conclusions: We found a high prevalence of fatigue in patients with chronic stroke, however we did not find relationship with pain. Further studies are needed to understand these conditions and identify which factors contribute to the prevalence of such symptoms.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».