Chronic pain in mental disorders: An umbrella review of the prevalence, risk factors, and treatments across 957,168 people with mental disorders and 16,606,910 controls
Notice bibliographique
Résumé
BACKGROUND: Chronic pain (CP) and mental disorders often coexist, yet their relationship lacks comprehensive synthesis. This first hierarchical umbrella review examined systematic reviews and meta-analyses, also observational studies and randomized controlled trials (where reviews are currently lacking) to report CP prevalence, risk factors, and treatment across mental disorders. METHODS: We searched MEDLINE, PsycINFO, Embase, Web of Science, and CINAHL, identifying 20 studies on anxiety, depression, bipolar disorder, schizophrenia, ADHD, autism, or dementia, and CP. Quality was assessed using AMSTAR and Newcastle-Ottawa Scale. RESULTS: Prevalence varied widely-23.7% (95% CI 13.1-36.3) in bipolar disorder to 96% in PTSD-consistently exceeding general population rates (20-25%). Risks were elevated, with bidirectional links in depression (OR = 1.26-1.88). Risk factors included female gender, symptom severity, and socioeconomic disadvantage, though data were limited beyond PTSD and depression. Treatment evidence was sparse: cognitive behavioral therapy showed small effects on pain (SMD = 0.27, 95% CI -0.08-0.61), acupuncture with medication improved pain (MD = -1.06, 95% CI -1.65--0.47), and transcranial direct current stimulation reduced pain in dementia (d = 0.69-1.12). Methodological issues were evident, including heterogeneous designs and inconsistent pain definitions. CONCLUSIONS: This review confirms CP as a significant comorbidity in mental disorders. Clinicians should prioritize routine pain screening and multimodal treatments. Researchers need longitudinal studies with standardized assessments to clarify causality and improve interventions. Taken together, this work highlights an urgent need for integrated psychiatric care approaches, emphasizing that addressing CP could enhance mental health outcomes and overall patient well-being.
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 | 0,013 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,027 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».