Risk Factors and Diagnostic Model Construction of Chronic Pain with Cognitive Impairment
Notice bibliographique
Résumé
Background: Cognitive impairment (CI) is frequently observed in patients with chronic pain (CP). CP progression increases the risk of dementia and accelerates Alzheimer’s disease pathogenesis. However, risk diagnostic models and biomarkers for CP-related CI remain insufficient. Previous research has highlighted the relationships between several complete blood count parameters for CP or CI-related diseases, such as Alzheimer’s disease, while the specific values of complete blood count parameters in CP-related CI patients remain unclear. This study aimed to explore the correlation between complete blood count parameters and CP-related CI to establish a risk diagnostic model for the early detection of CP-related CI. Methods: This cross-sectional study was conducted at West China Hospital, Sichuan University. The Montreal Cognitive Assessment (MoCA) was used to classify patients into either the CP with CI group or the CP without CI group. Univariate analysis and multivariate logistic regression analysis were used to screen the related factors of CP-related CI for constructing a risk diagnostic model, and the model was evaluated using receiver operating characteristic (ROC) curve analysis. Results: The study ultimately included 163 eligible patients. Based on analysis, age (OR, 1.037 [95% CI, 1.007– 1.070]; P =0.018), duration of pain (OR, 2.546 [95% CI, 1.099– 6.129]; P =0.032), VAS score (OR, 1.724 [95% CI, 0.819– 3.672]; P =0.153), LMR (OR, 0.091 [95% CI, 0.024– 0.275]; P < 0.001), absolute neutrophil value (OR, 0.306 [95% CI, 0.115– 0.767]; P =0.014), and lymphocyte percentage (OR, 6.551 [95% CI, 2.143– 25.039]; P =0.002) were identified as critical factors of CP-related CI. The diagnostic model was evaluated by the ROC curve, demonstrating good diagnostic value with an area under the curve (AUC) of 0.803, a sensitivity of 0.603 and a specificity of 0.871. Conclusion: The risk diagnostic model developed in this study for CP-related CI has significant value and enables clinicians to customize interventions based on each patient’s needs. Keywords: cognitive impairment, chronic pain, diagnostic model, complete blood count parameters, risk factors
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».