Brain Fog in Veterans with Pain Symptoms
Notice bibliographique
Résumé
Veterans experience chronic pain at a rate twice higher than civilians. Brain fog (BF), a phenomenon of mental cloudiness associated with functional challenges in cognition, is one of the least studied symptoms of chronic pain. Pain interference, a construct of chronic pain, can limit participation with activities. Both BF and pain interference can disrupt quality of life (QoL) in Veterans by limiting health and meaningful participation. The relationship between BF and pain interference on QoL has not been investigated. Thus, the objective of this study is twofold: 1) understand the experience and 2) explore the impacts and the possible mitigation of pain interference of BF on the QoL, in Veterans with pain symptoms and BF. First, a qualitative descriptive method was employed using content and matrix analyses, to describe the impacts of brain fog on QoL in Veterans with BF and pain symptoms. The content analysis revealed the triggers, impacts, management strategies, and suggestions for healthcare professionals. The matrix analysis showed that women described difficulty managing BF with competing roles (e.g., motherly duties). Next, we conducted a cross-sectional study Veterans, exploring whether the perceived level of pain interference in Veterans with BF and pain symptoms affected measures of QoL. Results indicated Veterans with BF and high pain interference showed more mental health symptoms (p=0.003), and less perceived level of confidence with abilities (0.036) and physical health (p=0.003), than Veterans with BF and low pain interference. Post-hoc tests revealed no significant differences across gender. Next, to explore how QoL constructs we related, we performed an exploratory correlational analysis, revealing significant correlations between perceived level of confidence with abilities and 1) mental health (r=-0.48), 2) physical health (r=-0.44), and 3) functional cognition (-0.44). This study contributes to the overall knowledge of BF, guiding recommendations for the development of an assessment and research priorities.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».