Pain descriptors and determinants of pain sensitivity in knee osteoarthritis: a community-based cross-sectional study
Notice bibliographique
Résumé
Abstract Objectives The aim was to explore pain characteristics in individuals with knee OA (KOA), to compare pain sensitivity across individuals with KOA, individuals with chronic back pain (CBP) and pain-free individuals (NP) and to examine the relationship between clinical characteristics and pain sensitivity and between pain characteristics and pain sensitivity in KOA. Methods We carried out a cross-sectional, community-based online survey. Two data sets were combined, consisting of Dutch individuals ≥40 years of age, who were experiencing chronic knee pain (KOA, n = 445), chronic back pain (CBP, n = 504) or no pain (NP, n = 256). Demographic and clinical characteristics, global health, physical activity/exercise and pain characteristics, including intensity, spreading, duration, quality (short-form McGill pain questionnaire) and sensitivity (pain sensitivity questionnaire), were assessed. Differences between (sub)groups were examined using analyses of variance or χ2 tests. Regression analyses were performed to examine determinants of pain sensitivity in the KOA group. Results The quality of pain was most commonly described as aching, tender and tiring–exhausting. Overall, the KOA group had higher levels of pain sensitivity compared with the NP group, but lower levels than the CBP group. Univariately, pain intensity, its variability and spreading, global health, exercise and having co-morbidities were weakly related to pain sensitivity (standardized β: 0.12–0.27). Symptom duration was not related to pain sensitivity. Older age, higher levels of continuous pain, lower levels of global health, and exercise contributed uniquely, albeit modestly, to pain sensitivity (P < 0.05). Conclusion Continuous pain, such as aching and tenderness, in combination with decreased physical activity might be indicative for a subgroup of individuals at risk for pain sensitivity and, ultimately, poor treatment outcomes.
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 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».