From age to frailty: redefining chronic pain characterization
Notice bibliographique
Résumé
BACKGROUND: Chronic pain in older adults is highly prevalent, multifactorial, and often associated with greater intensity, multisite involvement, and functional impairment. Despite its burden, it remains frequently underdiagnosed and undertreated. Chronological age alone does not adequately capture biological vulnerability or interindividual variability in pain expression. AIMS: To examine the associations of frailty, an indirect marker of biological age, and chronological age with chronic pain characteristics. METHODS: We conducted a cross-sectional study including 455 adults (≥18 years) recruited from primary care. Thirty-three pain characteristics were assessed through structured interviews. Frailty was quantified using a 31-item Frailty Index based on the deficit accumulation model. Associations of frailty, chronological age, and sex with each pain variable were analyzed using multivariable linear and logistic regression models. RESULTS: Most pain characteristics were more consistently associated with frailty than with chronological age, although effect sizes were modest (sr2 typically 1–5%). Frailty correlated with greater pain intensity (sr 0.23, r2 5.3%), higher frequency (sr 0.10, r2 1.1%), and continuous or mixed-type pain (OR 0.97, 95% CI 0.95–0.99). In contrast, chronological age primarily predicted temporal aspects, including pain duration, diagnostic delay, and time to first analgesic prescription. Age and frailty showed opposite directions of association for certain domains, such as accompanying symptoms and daily pain duration. CONCLUSION: Frailty provides complementary information to chronological age in characterizing chronic pain. Integrating frailty assessment into routine pain evaluation may enable more individualized management, enhance pain control, and reduce age-related disparities in clinical care.
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 | 0,002 | 0,001 |
| 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 ».