The association of painful and non-painful morbidities with frailty: a cross sectional analysis of a cohort of community dwelling older people in England
Notice bibliographique
Résumé
INTRODUCTION: The association between chronic pain and frailty might indicate that pain is an independent driver of frailty but might alternatively be explained by inclusion within frailty identification tools of morbidities that commonly lead to chronic pain. This research examines the extent to which the association of pain with frailty might be attributed to morbidities. METHODS: A cross-sectional analysis of older people in a UK cohort with or at risk of musculoskeletal problems or frailty (Investigating Musculoskeletal Health and Wellbeing study), used multivariable logistic regression and Z-tests to assess the degrees of associations of pain (McGill Pain Rating Index), and painful and non-painful morbidity counts with frailty (modified FRAIL questionnaire). RESULTS: Data were from 2,185 participants, 56% female, median age 73 (range 60 to 96) years. 430 (20%) participants were classified as frail. In a fully adjusted standardised model, pain (aOR 2.07 (95%CI 1.83 to 2.33) and 'any' morbidity aOR (1.74 (95%CI 1.54 to 1.97) were both significantly associated with frailty. When morbidity was subclassified as painful or non-painful, painful (aOR 1.48 (95%CI 1.30 to 1.68) and non-painful (aOR1.39 (95%CI 1.24 to 1.56)) morbidities each were associated with frailty, as also was pain (aOR 2.07 (95%CI 1.83 to 2.34, p < 0.001). CONCLUSIONS: Pain is associated with frailty, over and above any effect of painful and non-painful morbidities. This forms the justification for future research which focuses on pain management in the identification, prevention, and treatment of frailty.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».