A multicenter study to evaluate pain characteristics in osteogenesis imperfecta
Notice bibliographique
Résumé
The objective was to describe pain characteristics and treatments used in individuals with varying severity of osteogenesis imperfecta (OI) and investigate pain-associated variables. This work was derived from a multicenter, longitudinal, observational, natural history study of OI conducted at 12 clinical sites of the NIH Rare Diseases Clinical Research Network's Brittle Bone Disorders Consortium. Children and adults with a clinical, biochemical, or molecular diagnosis of OI were enrolled in the study. We did a cross-sectional analysis of chronic pain prevalence, characteristics, and treatments used for pain relief and longitudinal analysis to find the predictors of chronic pain. We included 861 individuals with OI, in 41.8% chronic pain was present, with similar frequency across OI types. Back pain was the most frequent location. Nonsteroidal anti-inflammatory drugs followed by bisphosphonates were the most common treatment used. Participants with chronic pain missed more days from school or work/year and performed worse in all mobility metrics than participants without chronic pain. The variables more significantly associated with chronic pain were age, sex, positive history of rodding surgery, scoliosis, other medical problems, assistive devices, lower standardized height, and higher body mass index. The predictors of chronic pain for all OI types were age, use of a wheelchair, and the number of fractures/year. Chronic pain is prevalent in OI across all OI types, affects mobility, and interferes with participation. Multiple covariates were associated with 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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».