Signs and symptoms of pediatric complex regional pain syndrome - type 1: A retrospective cohort study
Notice bibliographique
Résumé
Background: Complex regional pain syndrome (CRPS) presents with an array of symptoms that can vary from child to child, making it difficult to diagnose and differentiate from other pain conditions such as chronic musculoskeletal (MSK) pain. Thirteen symptoms and signs are outlined in the Budapest criteria for CRPS (developed and validated for adults) but have not been well described in pediatrics. Aims: The aim of this study was to describe the signs and symptoms of pediatric CRPS type 1 (CRPS 1) and determine whether a cluster of symptoms can differentiate CRPS 1 from chronic MSK pain. Methods: A retrospective cohort study of pediatric patients with CRPS 1 and MSK pain in a pediatric pain program was conducted. Descriptive statistics were used to report demographics and pain characteristics. The chi-square test was used to evaluate differences in signs and symptoms between patients with CRPS and MSK pain. A logistic regression model was used to evaluate whether a cluster of symptoms could predict a diagnosis of CRPS 1. Results: The sample included 187 patients (99 with CRPS 1 and 88 with MSK pain); 81% were female with a mean age 14.1 years. The most prevalent CRPS symptoms were hyperalgesia (54%) and allodynia (52%). A cluster of symptoms (hyperalgesia, color changes, and range of motion) predicted the probability of a diagnosis of CRPS 1. Conclusions: A cluster of symptoms may be critical in differentiating pediatric CRPS 1 and MSK pain. Future research is needed to determine if this model is valid in external populations and to explore whether a similar model can differentiate CRPS 1 from other pain conditions (e.g., neuropathic 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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; 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 ».