Where Does It Hurt? A 4-S Model of Pain Onset and Recovery Across Body Sites Among Older Adults
Notice bibliographique
Résumé
OBJECTIVES: Pain is an increasingly widespread problem for older adults, contributing to higher health care costs and lower quality of life. Though the prevalence of pain is well documented in national studies, less is known about where pain occurs in the body, and even less about the dynamic processes of onset and recovery. We examine the bodily distribution of pain and its covariates and propose a framework to systematize how pain sites remain stable, spread, switch, or subside over time. METHODS: Analyses use longitudinal data from the National Social Life, Health, and Aging Project (n = 2,600), a survey featuring pain site measures usually available only in clinical samples. Descriptive statistics and supplementary regression models showcase pain dynamics across bodily locations and over time. RESULTS: Pain is most prevalent in the legs and low back. During the observed period, 57% of respondents had at least 1 onset location and 79% experienced at least 1 recovery location. Many displayed complex patterns of onset and recovery in tandem. Gender, exposure to childhood trauma, and perceived neighborhood danger emerged as key correlates of pain prevalence across bodily locations and pain dynamics over time, shaping whether pain remained stable, spread, switched locations, or subsided. DISCUSSION: Older Americans with pain rarely have their discomfort confined to 1 location, and many experience concurrent onset and recovery over time. We propose the 4-S model as a framework to understand the complex interplay of pain onset and recovery and offer ways to integrate this framework into ongoing investigations of late-life 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 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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».