Investigating Post-treatment Breast Pain Severity in Breast Cancer Patients and Its Correlation with Serum Vitamin D and hs-CRP Levels
Notice bibliographique
Résumé
Background: Current data indicate that serum vitamin D and susceptible C-reactive protein (hs-CRP) levels, both indicative of the inflammatory state, have the potential to predict the onset and severity of chronic pain. Therefore, the objective was to assess the intensity of pain experienced after breast cancer treatment and its relationship with these two parameters. Method: In this cross-sectional study between 2019 and 2021, 201 patients were enrolled. The McGill Pain Questionnaire was employed to evaluate localized pain intensity at the site six months after the conclusion of cancer treatments. Patients were stratified based on the type of breast surgery, with or without a tissue expander, axillary region surgery, chemotherapy treatment, radiotherapy treatment, serum vitamin D levels, serum hs-CRP levels, and pain intensity. Data analysis was performed using SPSS 21 software with a significance level set at 0.05. Results: Among the patients, 67.6% (136 individuals) reported mild pain, 31.3% (63 individuals) reported moderate pain, and 1% (2 individuals) reported severe pain. The results of this study demonstrated a positive correlation between high serum hs-CRP levels and increased pain intensity, with serum marker levels being higher in patients experiencing more severe pain compared with those with milder pain. However, no statistically significant association was observed between various serum concentrations of vitamin D and pain intensity (P = 0.12). Conclusion: Elevated levels of inflammatory factors, such as hs-CRP, are linked to a higher likelihood of developing chronic post-surgical pain.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».