How do central sensitisation features affect symptoms among patients with rheumatoid arthritis? Analysis of pain descriptors and the effect of central sensitivity syndrome on patient and evaluator global assessments
Notice bibliographique
Résumé
Central sensitivity syndrome (CSS) comprises various symptoms caused by central sensitisation (CS). Using the central sensitisation inventory (CSI), a screening questionnaire developed for detecting CSS, this syndrome was recently identified in patients with long-standing rheumatoid arthritis (RA). However, the descriptors of CS-related pain and the effects of CSS on symptoms in patients with rheumatoid arthritis (RA) remain unknown. We examined the characteristics of pain and influence of CSS on patient and evaluator global assessment among multiple clinical variables.We used the central sensitisation inventory (CSI) and short-form McGill pain questionnaire to evaluate CSS and characteristics of pain in 240 outpatients with RA. Disease activity, fibromyalgia, neuropathic pain, anxiety, depression, pain catastrophising, and health-related quality of life were evaluated. We used multivariate analysis to analyse the characteristics of CS-related pain according to CSI and the effect of CSS on patient global assessment (PGA), evaluator global assessment (EGA), and PGA minus EGA among relevant clinical variables.In patients with RA, the main descriptors of pain according to severity of CSI scores were "sharp" and "stabbing", whereas those of pain according to disease activity were "tender" and "throbbing". CSS was associated with EGA (p=0.000, β=- 0.199) and PGA minus EGA (p=0.021, β=0.147), but not with PGA.In patients with RA, descriptors for CS-related pain differ from those for disease activity-related pain. CSS may have an important impact on EGA and PGA minus EGA. Additionally, CSI may be helpful in identifying why there is discordance between PGA and EGA.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».