Evaluation of neuropathic pain in lower extremity wounds using different assessment tools: A cross‐sectional study
Notice bibliographique
Résumé
BACKGROUND: Patients with lower extremity wounds often experience neuropathic pain; however, there is no validated assessment tool to specifically measure wound-related neuropathic pain. The study aimed to assess the prevalence of neuropathic pain in lower extremity wounds using different assessment tools and to identify factors associated with neuropathic pain. METHODS: A cross-sectional study of 130 patients with lower extremity wounds of different etiologies assessed neuropathic pain through clinical examinations, the Short Form McGill Pain Questionnaire-2 (SF-MPQ-2), and the Douleur Neuropathique 4 Questions (DN4). Pain intensity was measured using the Visual Analog Scale (VAS). RESULTS: In total, 38 (29%) experienced neuropathic pain (DN4 score ≥ 4), and 75% (n = 97) described pain using one or more neuropathic pain descriptors on the SF-MPQ-2. The frequently reported descriptors on the neuropathic sub-scale were "pain caused by light touch" (59%) and "tingling or pins and needles" (49%). There was a positive correlation between DN4 and the neuropathic sub-scale of SF-MPQ-2, and the major difference between the tools is the design and time consumption. Univariate analysis revealed that younger age, arterial wound type, infection, and morphine consumption were associated with neuropathic pain (DN4 score ≥ 4). In multivariate analysis, arterial wound type increased the risk of neuropathic pain five-fold. Younger age and morphine consumption were also significantly associated with neuropathic pain, whereas infection was not. CONCLUSION: Neuropathic wound pain is frequent, and the prevalence relies on the applied assessment tool. Arterial wound type, younger age, and morphine consumption are associated with neuropathic wound pain.
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 | 0,055 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».