Pain Severity Ratings Among Patients with Comorbid Chronic Pain and PTSD: A Retrospective Cohort Study
Notice bibliographique
Résumé
Background: Posttraumatic stress disorder (PTSD) is a psychiatric disorder that may occur after experiencing or witnessing a traumatic event. PTSD is characterized by physiological symptoms such as sleep disturbances and hyperarousal. One understudied symptom in PTSD patients is chronic pain (CP). Acute pain can lead to CP when it persists beyond adaptation. The interconnection between stress and pain has been well-established in fields of neuroscience and psychology, though we still do not fully understand the nature of this clinical relationship. Methods: In the current retrospective cohort study, we use a sample of patients with PTSD and CP through a database of numerous healthcare organizations called TriNetX. We compare the reported pain severity rating between three groups: those with PTSD and no CP, those with CP and no PTSD, and those with comorbid PTSD and CP. The summary data was compared using a one-way analysis of variance with the Welch statistic. Results: The average reported pain severity was significantly different between all three groups (F(2, 21288)=279.80, p < .001). The patients with comorbid PTSD and CP reported the highest average pain severity, followed by patients with only CP and then patients with only PTSD. Conclusion: Our results demonstrate a need to further investigate the complex relationship between PTSD and CP. The higher average pain severity in patients with both disorders suggest that integrated pain management and mental health interventions must be prioritized in this population.
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 | 0,008 | 0,003 |
| 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; 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 ».