Exploring trends in brain fog and quality of life outcomes in Veterans with pain symptoms: A cross-sectional study
Notice bibliographique
Résumé
Introduction: Brain fog may decrease quality of life (QOL) in Veterans with pain by reducing cognitive capacity and functional engagement. Veterans with higher pain interference (PI) experience worse QOL. Given PI's relationship with QOL, it is important to explore brain fog within the context of PI levels. This study compared health-related QOL, functional cognition, and functional abilities between Veterans with high versus low PI and brain fog. Method: A cross-sectional study, using a one-way MANOVA, explored whether Veterans with brain fog and pain symptoms perceived PI-affected measures of QOL. Exploratory post hoc testing compared gender differences and correlations between perceived confidence with abilities and QOL. Results: Thirty-four Veterans participated. The results of the MANOVA showed a significant main effect of PI between constructs. Univariate tests revealed differences in physical health, symptoms of mental health issues, and perceived confidence with abilities. No differences in outcomes based on gender were found. The exploratory correlation analysis demonstrates that in Veterans with brain fog and painful symptoms, there are high correlations between physical health and perceived confidence with abilities and moderate correlations between mental health and perceived confidence with abilities, and between functional cognition and perceived confidence with abilities. Discussion: Veterans with pain symptoms and brain fog with high PI demonstrated more mental health symptoms, poorer physical functioning, and reduced perceived abilities. Results from the correlation analysis demonstrate that perceived confidence plays a role in QOL. This study contributes to the overall understanding of this experience, identifying evidence-based suggestions for future exploration.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».