Loneliness, social isolation, and pain following the COVID-19 outbreak: data from a nationwide internet survey in Japan
Notice bibliographique
Résumé
Abstract The aim of cross-sectional study was to investigate the association between pain and loneliness and increased social isolation during the COVID-19 pandemic. A total of 25,482 participants, aged 15–79 years, were assessed using an internet survey; the University of California, Los Angeles Loneliness Scale (Version 3), Short Form 3-item (UCLA-LS3-SF3) was used to assess loneliness, and a modified item of the UCLA-LS3-SF3 was used to measure the perception of increased social isolation during the pandemic. The outcome measures included the prevalence/incidence of pain (i.e., headache, neck or shoulder pain, upper limb pain, low back pain, and leg pain), pain intensity, and chronic pain history/prevalence. Pain intensity was measured by the pain/discomfort item of the 5-level version of the EuroQol 5 Dimension scale. Odds ratios of pain prevalence/incidence and chronic pain history/prevalence according to the UCLA-LS3-SF3 scoring groups (tertiles) and the frequency of the perceived increase in social isolation (categories 1–5) were calculated using multinomial logistic regression analysis. The mean pain intensity values among different loneliness and social isolation levels were tested using an analysis of covariance. Increased loneliness and the severity of the perceived social isolation were positively associated with pain prevalence/incidence, intensity, and the history/prevalence of chronic pain.
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 | 0,039 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».