MétaCan
Menu
Retour à la cohorte
Enregistrement W4394766511 · doi:10.36076/ppj.2024.27.e109

Pain Characteristics of Patients With Fibromyalgia: A Comparison Between Gender and Different Emotional States

2024· article· en· W4394766511 sur OpenAlexaboutno aff

Notice bibliographique

RevuePain Physician · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueFibromyalgia and Chronic Fatigue Syndrome Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFibromyalgiaMedicinePhysical therapyClinical psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Generalized pain is the core symptom of fibromyalgia (FM). Few studies have described FM's different pain characteristics under various conditions. OBJECTIVE: To explore the pain characteristics of patients with FM of different gender and emotional states. STUDY DESIGN: A cross-sectional study. SETTING: A medical center in Beijing, People's Republic of China. METHODS: A total of 197 patients with FM were recruited from an outpatient clinic. Three distinct instruments were used to assess their pain characteristics: the Numeric Rating Scale (NRS-11) to assess pain severity, the Widespread Pain Index (WPI) to assess the number of pain regions, and the Short Form-McGill Pain Questionnaire-2 (SF-MPQ-2) to assess pain qualities. The Zung Self-Rating Anxiety Scale and Zung Self-Rating Depression Scale were used to assess patients' emotional states. An independent 2-sample t test, chi-squared test, and Mann-Whitney U test were used to analyze gender pain characteristics differences and different emotional states (with/without anxiety, with/without depression). RESULTS: Pain severity on the NRS-11 was 7 (5-8), the number of pain regions determined by WPI was 13 (10-16), and the total score of different pain qualities from the SF-MPQ-2 was 2.36 (1.68-3.73) in all patients with FM. The most frequently reported regions of pain were the right shoulder girdle (89.34%), left shoulder girdle (88.32%), upper back (85.28%), and neck (81.73%). The most frequently reported pain qualities were tiredness/exhaustion (97.46%), aching pain (94.42%), numbness (78.68%), cold/freezing pain (75.63%), and tenderness (75.13%). Women patients reported more severe pain and numbness, less frequent chest pain, and shooting pain than men patients did. Patients with FM and anxiety experienced more frequent and more severe feelings of punishing/cruel thoughts, fearfulness, sickening, and tenderness; more frequent jaw pain and cold-freezing pain; more severe pain caused by light touch and tiredness/exhaustion; less frequent lower leg pain than those without anxiety did. Patients with FM and depression reported more frequent and more severe pain caused by light touch; more frequent tenderness; more severe feelings of tiredness/exhaustion, sickening,fearfulness, and punishing/cruel thoughts; and less frequent and less severe piercing pain than those without depression did. LIMITATIONS: The limitations of this study are its single-center design and lack of objective pain indicators. CONCLUSION: Gender significantly affected pain severity, chest pain, numbness, and shooting pain. Jaw pain, lower leg pain, cold/freezing pain, tenderness, pain caused by light touch, piercing pain, and pain-affective descriptors are closely related to emotional states in FM. A comprehensive understanding of pain characteristics in patients with FM would be helpful for disease education, diagnosis, and treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,274
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePain PhysicianMême sujetFibromyalgia and Chronic Fatigue Syndrome ResearchTravaux en français237 207