MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237372846 · doi:10.21203/rs.3.rs-16949/v3

Defining pain and interference recovery trajectories after acute non-catastrophic musculoskeletal trauma through Growth Mixture Modeling 

2020· preprint· en· W4237372846 sur OpenAlexafffundabout
Joshua Lee, David M. Walton, Paul R. Tremblay, Curtis May, Wanda Millard, James M. Elliott, Joy C. MacDermid

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of British ColumbiaWestern University
Organismes subventionnairesNational Center for Medical Rehabilitation ResearchOntario Ministry of Research and InnovationCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésInterference (communication)MedicineIntensive care medicineComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract BackgroundRecovery trajectories support early identification of delayed recovery and can inform personalized management or phenotyping of risk profiles in patients. The objective of this study was to investigate the trajectories in pain severity and functional interference following non-catastrophic musculoskeletal (MSK) trauma in an international, mixed injury sample. MethodsA prospective longitudinal cohort (n= 241) was formed from patients identified within four weeks of trauma, from attendance at emergency or urgent care centres located in London, ON, Canada, or Chicago, IL, USA. Pain interference was measured via the Brief Pain Inventory (London cohort) or the Neck Disability Index (Chicago cohort). Pain severity was captured in both cohorts using the numeric pain rating scale. Growth mixture modeling and RM repeated measures ANOVA approaches identified distinct trajectories of recovery within pain interference and pain severity data. ResultsFor pain interference, the three trajectories were labeled accordingly: Class 1 = Rapid recovery (lowest intercept, full or near full recovery by 3 months, 32.0% of the sample); Class 2 = Delayed recovery (higher intercept, recovery by 12 months, 26.7% of the sample); Class 3 = Minimal or no recovery (higher intercept, persistently high interference scores at 12 months, 41.3% of the sample). For pain severity, the two trajectories were labeled: Class 1 = Rapid recovery (lower intercept, recovery by 3 months, 81.3% of the sample); and Class 2 = Minimal or no recovery (higher intercept, flat curve, 18.7% of the sample). The “Minimal or No Recovery” trajectory could be predicted by female sex and axial (vs. peripheral) region of trauma with 74.3% accuracy across the 3 classes for the % Interference outcome. For the Pain Severity outcome, only region (axial trauma, 81.3% accuracy) predicted the “Minimal or No Recovery” trajectory. ConclusionsThese results suggest that three meaningful recovery trajectories can be identified in an international, mixed-injury sample when pain interference is the outcome, and two recovery trajectories emerge when pain severity is the outcome. Females in the sample or people who suffered axial injuries (head, neck, or low back) were more likely to be classed in poor outcome trajectories. Trial registrationNational Institutes of Health - clinicaltrials.gov (NCT02711085; Retrospectively registered Mar 17, 2016)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,364
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMusculoskeletal pain and rehabilitation→Travaux en français237 207→