Use of IMMPACT Recommendations to Explore Pain Phenotypes in People with Knee Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: Knee osteoarthritis (OA) is a disease of multiple phenotypes of which a chronic pain phenotype (PP) is known. Previous PP studies have focused on one domain of pain and included heterogenous variables. We sought to identify multidimensional PPs using the IMMPACT recommendations and their relationship to clinical outcomes. METHODS: Participants >40 years of age with knee OA having a first-time orthopedic consultation at five university affiliated hospitals in Montreal, Quebec, and Hamilton (Canada) were recruited. Latent profile analysis was used to determine PPs (classes) using variables recommended by IMMPACT. This included pain variability, intensity and qualities, somatization, anxiodepressive symptoms, sleep, fatigue, pain catastrophizing, neuropathic pain, and quantitative sensory tests. We used MANOVA and χ2 tests to assess differences in participant characteristics across the classes and linear and Poisson regression to evaluate the association of classes to outcomes of physical performance tests, self-reported function and provincial healthcare data. RESULTS: In total, 343 participants were included (mean age 64 years, 64% female). Three classes were identified with increasing pain burden (class3 > class1), characterized by significant differences across most self-report measures and temporal summation, and differed in terms of female sex, younger age, lower optimism and pain self-efficacy. Participants in class2 and class3 had significantly worse self-reported function, stair climb and 40 m walk tests, and higher rates of healthcare usage compared to those in class1. CONCLUSIONS: Three distinct PPs guided by IMMPACT recommendations were identified, predominated by self-report measures and temporal summation. Using this standardized approach may improve PP study variability and comparison.
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 | 0,001 |
| 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) | 0,002 | 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 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 ».