Understanding the Experience and Impacts of Brain Fog in Chronic Pain: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Approximately 15% to 40% of persons with chronic pain as a primary disorder experience brain fog. Prior research has investigated the etiology of "brain fog" in conditions in which pain presents as a key feature (e.g., fibromyalgia). However, it remains understudied in the context of chronic 10 musculoskeletal pain. Following current scoping review guidelines, we obtained stakeholder input from patient and health care professionals (HCPs) to define this phenomenon. Specific aims of this review were to (1) identify factors contributing to brain fog, (2) identify the functional correlates of brain fog and assessments used to measure them, and (3) establish a definition of brain fog that can be employed by researchers and HCPs to advance research and care. Methods: A scoping review was conducted using recommendations of the Joanna Briggs Institute methodology of scoping reviews and the Levac et al methodology. Embase, Cinahl, PsycINFO, and Medline was searched to identify relevant sources. Findings were verified with patient and healthcare professionals. Results: We identified four 15 key features of brain fog: perceived variability, subjective cognitive dysfunction, participation limitations, and changes in functional activities. We developed a model of brain fog illustrating the overlapping categories of contributors to brain fog in chronic musculoskeletal pain: (1) neuroanatomical and neurophysiological, (2) mental health/emotional, and (3) environmental/lifestyle. Conclusion: The results of this scoping review conclude that the inconsistency in research regarding brain fog in 20 chronic musculoskeletal pain is obstructing a clear understanding of the phenomenon and therefore may be impeding persons with chronic pain and brain fog from receiving optimal care.
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.
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 | 0,009 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 découle