Pain trajectories and well‐being in children and young people with cerebral palsy: A cohort study
Notice bibliographique
Résumé
AIM: To identify 5-week pain intensity trajectories and their association with physical and psychological well-being in children/young people with cerebral palsy (CP). METHOD: A cohort study was conducted with 101 Canadian children/young people with CP, of whom 49 were female, with an overall mean age of 12 years 11 months (SD 3 years 1 month), range of 8 to 18 years, and classified in any Gross Motor Function Classification System level. Self-reported pain intensity (Faces Pain Scale - Revised) was collected weekly for 5 weeks and physical and psychological well-being (KIDSCREEN-27) at baseline and 5 weeks. Statistical analyses included latent class growth and general linear models. RESULTS: All Gross Motor Function Classification System levels were represented (I = 40.6%; II = 15.8%; III = 20.8%; IV = 13.9%; V = 8.9%). Five pain intensity trajectories were identified. Three trajectories had very low (35.4%), low (32.4%), or high (4.9%) mean stable pain. Two trajectories had moderate changing pain (16.8%) and high pain decreasing to moderate levels (10.5%) respectively. Trajectory participants with stable high pain had the lowest physical well-being (adjusted β = -10.01; 95% confidence interval [CI] = -19.37 to -0.66). Those in the three trajectories with the highest mean baseline pain intensity (>3 out of 10) had the lowest psychological well-being (adjusted β = -8.27, 95% CI = -14.84 to -1.70; β = -6.74, 95% CI = -12.43 to -1.05; β = -5.82, 95% CI = -15.34 to 3.71). INTERPRETATION: Almost one-third of participants had moderate-to-high pain intensity trajectories. Membership in the higher pain intensity trajectories was associated with lower physical and psychological well-being. WHAT THIS PAPER ADDS: Five distinct 5-week pain intensity trajectories were identified in children/young people with cerebral palsy. Thirty-two per cent of participants had moderate-to-high pain intensity trajectories. Participants in the trajectories with higher pain intensity reported lower physical and psychological well-being.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».