Factors Influencing Pain Management of Patients with Osteoarthritis: A Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Osteoarthritis (OA) is a complex disease associated with chronic pain. Many patients treat their joint pain at a symptomatic level with over-the-counter (OTC) pain medications, often without the knowledge of their physicians. The aim of this study was to provide physicians with data about osteoarthritic patients' habits of pain management and to examine the explanatory factors of various ways of self-treatment. METHODS: A cross-sectional study involving 189 patients with hip or knee OA and scheduled for joint replacement surgery was carried out. Participants filled out a self-administered questionnaire consisting of the Western Ontario and McMaster Universities Osteoarthritis Index and questions about their methods of alleviating pain. RESULTS: 2.6% of patients did not use anything to alleviate their pain, while 63% practiced a non-pharmacological method. Diclofenac was the most frequently used drug, followed by ibuprofen. Profession had the greatest impact on medication habits; patients doing manual work were significantly more likely to take OTC non-steroidal anti-inflammatory drugs and use topical analgesics. CONCLUSIONS: Patients utilized a wide variety of pain management techniques. They seemed to use well-known painkillers, even if their side effects were less desirable. Such patients require comprehensive pain management, including educational and behavioural interventions, complemented by topical and oral medication.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».