A network analysis on biopsychosocial factors and pain-related outcomes assessed during a COVID-19 lockdown
Notice bibliographique
Résumé
Psychological stress, social isolation, physical inactivity, and reduced access to care during lockdowns throughout a pandemic negatively impact pain and function. In the context of the first COVID-19 lockdown in Spain, we aimed to investigate how different biopsychosocial factors influence chiropractic patients' pain-related outcomes and vice-versa. A total of 648 chiropractic patients completed online questionnaires including variables from the following categories: demographics, pain outcomes, pain beliefs, impact of the COVID-19 pandemic, stress/anxiety and self-efficacy. Twenty-eight variables were considered in a cross-sectional network analysis to examine bidirectional associations between biopsychosocial factors and pain outcomes. Subgroup analyses were conducted to estimate differences according to gender and symptom duration. The greatest associations were observed between pain duration and pain evolution during lockdown. Participants' age, pain symptoms' evolution during lockdown, and generalized anxiety were the variables with the strongest influence over the whole network. Negative emotions evoked by the pandemic were indirectly associated with pain outcomes, possibly via pain catastrophizing. The network structure of patients reporting acute pain showed important differences when compared to patients with chronic pain. These findings will contribute to identify which factors explain the deleterious effects of both the pandemic and the restrictions on patients living with 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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».