Pain and Quality of Life in Osteoarthritis : Relationship With Demographic and Clinical Variables
Notice bibliographique
Résumé
Background and aim: Osteoarthritis is a major cause of musculoskeletal pain and physical disability. It might have negative impact on quality of life. The aim of this cross-sectional study was to investigate the relationship of pain and quality of life with various demographic and clinical variables in osteoarthritis.Methods: 156 patients (mean age 56u00b110 years, 79.5% female, mean disease duration 7.2u00b16.4 years) with knee, hip, foot and/or hand osteoarthritis referring to the outpatient clinic of physical medicine and rehabilitation department of a university hospital were assessed. Assessment scales included severity of pain by 0-10 numeric rating scale, Osteoarthritis Quality of Life Scale (OAQoL), Health Assessment Questionnaire (HAQ), Western Ontario and McMaster Universities Index of Osteoarthritis (WOMAC) and the Nottingham Health Profile (NHP). Results: Pain was more severe amongst females (p<0.001). Moderate significant correlations (Spearman r: 0.50-0.70) were found between pain and WOMAC_Function, HAQ, WOMAC_Stiffness, NHP_Physical Mobility and NHP_Energy. Pain was not related with the number of joints affected by osteoarthritis. Linear regression model was performed to determine the factors which together explain the variability in quality of life (OAQoL). Potential factors, found to be statistically significant in univariate linear regression analyses were used in stepwise regression procedure to select the final multivariable model. Final model included Pain (NRS), HAQ, NHP_Energy and NHP_Social Isolation with an adjusted R2 of 0.645. Conclusions: Pain was related with physical function, stiffness and fatigue. Regression model including pain, physical function, fatigue and social isolation explained most of the variance in quality of life in osteoarthritis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».