Characterizing the description of pelvic congestion syndrome pain: A latent class analysis
Notice bibliographique
Résumé
Objectives Chronic pelvic pain from pelvic congestion syndrome (PCS) is a complex condition disproportionately affecting women. PCS pain has been described as dull and achy, but emerging research indicates variances in the historical pain depictions. We aimed to identify the groups of pain characteristics experienced by women living with PCS using a latent class analysis and examine their predictive validity on quality of life, pain intensity, and pain management indicators. Methods A secondary data analysis of cross-sectional survey data collected from 160 participants on a Facebook PCS support group was conducted. After evaluating the original 86 unique pain descriptors endorsed on the McGill Pain Questionnaire, descriptors endorsed by more than 30 participants were retained for analysis ( n = 34). Results Results from the latent class analysis identified two latent classes: mild but consistent (44.4%) and intense and debilitating (55.6%). Between the two latent classes, there were clear patterns of pain endorsement to indicate that women in the two groups experience PCS pain differently. Compared to the second latent class (intense and debilitating), women in the first latent class (mild but consistent) experienced milder PCS associated pain and reported a significantly higher quality of life, satisfaction with their health, and less interference with sleep quality and sexual desire. Unfortunately, everyday activities (i.e., exercising, urinating, moving, standing, and working) were more likely to increase pain for women in the second latent class. Conclusions Diagnosis and treatment of pelvic venous disorders are hindered by outdated evidence on the expected pain depictions. A comprehensive pain profile of PCS is needed to establish the effect on women’s lifestyles, quality of life, and mental health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».