Prevalence and characteristics of pain in patients with lower‐extremity ulcers—A cross‐sectional study
Notice bibliographique
Résumé
The study aimed to investigate the prevalence and characteristics of pain in different ulcer types and to identify factors associated with pain experience in patients with lower-extremity ulcers. A cross-sectional single-centre study was performed, including 130 newly referred outpatients with lower-extremity ulcers. Pain intensity was measured with a visual analog scale (VAS) and pain characteristics with the short form mcgill pain questionnaire-2 (SF-MPQ-2). The mean pain intensity was 29.5 (SD 31.8) at rest and 35.5 (SD 34.1) during movement (0-100 VAS). 61.5% of the patients experienced pain (VAS > 0) at rest and 70.8% during movement. Moderate to severe pain at rest was seen in 39.2% and in 43.8% of patients during movement. The mean total score on SF-MPQ-2 (range 0-220) was 35.9 (SD 32.6). Most of the patients described pain as intermittent (mean 11.8 SD 13.9). Analgesics were prescribed for 78% of the patients. Ulcer type (i.e., arterial, immunological, pressure and venous) and age were associated with pain severity, and women had a significantly lower well-being score than men. Prevalence of pain in patients with lower-extremity ulcers was high across different ulcer aetiologies. Pain intensity and quality must be assessed to obtain adequate pain management.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».