Pain phenotypes in endometriosis: a population-based study using latent class analysis
Notice bibliographique
Résumé
Objective To identify phenotypes of pain in patients with endometriosis and to investigate their associations with predictors and quality of life (QoL). Design Population-based study. Setting A referral university center in Quebec City, Canada. Population or Sample A total of 352 patients aged 18‒50 years and diagnosed with endometriosis. Methods Latent class analysis (LCA) was used to identify pain phenotypes. To assess the associations, the three-step approach of LCA was applied. Main Outcome Measures Pain phenotypes, predictors of pain phenotypes, QoL. Results A total of 352 patients were included in the analyses. The diagnosis of endometriosis was either based on histology (N=135), imaging (N=106) or clinical presentation (N=111). The optimal model identified two distinct and homogeneous phenotypes of patients with endometriosis. The two groups had distinct clinical presentations, one with more severe and frequent pain symptoms and poorer quality of life (54%); the other with mild and less frequent pain symptoms (46%). Predictors of a high pain phenotype were a previous treatment failure, use of pain killers, a family history of endometriosis, a low annual family income, and pain comorbidities such as painful bladder, fibromyalgia, migraines, low back pain, irritable bowel syndrome, anxiety, and depression or mood disorders. The presence of endometrioma was predictive of the low pain phenotype. Phenotype membership was associated with distinct quality of life profiles (p<0.001). Conclusion Patients with endometriosis and pelvic pain can be grouped into two distinct and homogeneous phenotypes. Phenotypes membership correlates with quality of life and can be predicted with the patients’ characteristics. These findings will need to be validated in other populations and may inform the development of more specialized or personalized interventions based on the pain phenotypes.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».