Musculoskeletal Pain Among Community-Dwelling Older Adults During the COVID-19 Pandemic: A Longitudinal Telesurvey
Notice bibliographique
Résumé
Purpose: To describe the musculoskeletal (MSK) pain prevalence and incidence and identify factors associated with MSK pain among older adults over a 1-year follow-up during the COVID-19 pandemic. Method: This longitudinal telesurvey recruited community-dwelling older adults (≤65 years) in Hamilton, Ontario, Canada. MSK pain prevalence and incidence were calculated. Multilevel negative binomial and ordered logistic regression models were used to identify factors associated with the number of pain sites (0 to 7 pain sites), and most intense pain (no, mild, moderate, and severe pain). Results: We included 247 participants. Pain prevalence ranged from 64% at baseline to 73% at 1 year. Being older (IRR [incidence rate ratio]: 0.96; 95% CI: 0.94 to 0.98) and having better mobility (IRR: 0.96; 0.95 to 0.96) were associated with fewer number of pain sites. Being male (OR 0.87; 0.82 to 0.93) was associated with a lower pain intensity. While having a greater BMI (OR 1.07; 1.00 to 1.14), being older at 12 months (OR 1.09; 1.01 to 1.18), having better mobility at 12 months (OR 1.06; 1.01 to 1.11), and better mental health at 9 (OR 5.32; 1.25 to 22.64) and 12 months (OR 7.19; 1.71 to 30.18) were associated with a higher pain intensity. Conclusions: Older adults had high MSK pain prevalence during the first year of the COVID-19 pandemic; however, there was not a significant increase over time. Our results demonstrated that better mobility, being older, greater BMI, being female, and having better mental health are important factors associated with MSK pain in older adults in the COVID-19 scenario.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».