“I don’t know the correct way to describe it”: neuropathic pain experiences among athletes with spinal cord injury
Notice bibliographique
Résumé
Background: Chronic pain among athletes is often misinterpreted as tissue damage resulting from sport. While researchers have started to examine neuropathic pain among athletes with spinal cord injury (SCI), there is a need to develop a deeper understanding of their neuropathic pain symptoms and experiences, to support the development of evidence-based pain management protocols. Objectives: The primary purpose of this study was to describe neuropathic pain experienced by athletes with SCI. A secondary purpose was to compare athletes' neuropathic pain symptoms when measured by two different clinical pain assessment tools and describe their experiences when trying to communicate their neuropathic pain. Methods: 47 athletes with SCI completed the International Spinal Cord Injury Pain Basic Data Set (V.2.0), Douleur Neuropathique 4 (DN4), and two open-ended pain questions over the telephone. Results: 4.68±2.92). Overall, participants reported significantly more neuropathic pain symptoms in response to DN4 questions (M=4.62±1.38) versus open-ended pain questions (M=2.13±1.08), p<0.001. Participants reported difficulty with identifying neuropathic pain, describing their pain symptoms and identifying pain locations. Conclusion: Athletes with SCI reported moderate-intensity neuropathic pain. However, they struggled with communicating their neuropathic pain without being prompted with a list of symptoms. To guide the development of effective pain management strategies among athletes with SCI, future research should focus on developing knowledge products to improve awareness of common neuropathic pain descriptors among athletes with SCI and sports medicine personnel.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».