Association between pain intensity and cognitive function in primary headache
Notice bibliographique
Résumé
Background : Patients suffering from primary headaches such as migraine, tension-type headache, and cluster headache frequently report cognitive problems, particularly with attention and memory. The aim of this study was to see if there was a link between pain intensity and cognitive function in people who had primary headaches. Methods : This cross-sectional study included 69 primary headache patients (37 migraines, 27 tension-type headaches and 5 cluster headaches; age range 18–80 year). Migraine, tension-type headache and cluster headache diagnosis were determined according to the International Classification of Headache Disorders 3 rd edition beta version (ICHD-3 beta) diagnostic criteria. All eligible subjects underwent cognitive function examination using Montreal Cognitive Assessment Indonesian version (MoCA-INA), Trail Making test A (TMT-A), Trail Making test B (TMT-B), Trail Making test C (TMT-C), Forward Digit Span and Backward Digit Span. The intensity of pain was assessed using Numeric Rating Scale (NRS). Results : There were 69 primary headache patients included in this study, 52 (75.4%) patients had abnormal MoCA-INA, 52(75.4%) patients had abnormal Forward Digit Span and 48(69.6%) patients had abnormal Backward Digit Span. There was significant correlation between pain intensity and cognitive function in migraine, TTH and cluster headaches patients. The MoCA-INA, Forward Digit Span and Backward Digit Span had negative correlations with pain intensity, whereas TMT A-time, TMT A-error, TMT B-time and TMT B-error had positive correlation. Conclusion : There were significant associations between pain intensity of and cognitive function in primary headaches with p<0.05. It is suggested that the more severe pain intensity, the more impair of cognitive function.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».