Pain Among an Inpatient Complex Chronic Care Population of Residents with and without Missing Limbs
Notice bibliographique
Résumé
Meaghan Ferguson,1 Anton Svendrovski,2 Joel Katz1 1Faculty of Health, Department of Psychology, York University, Toronto, Ontario, Canada; 2UZIK Consulting Inc., Toronto, Ontario, CanadaCorrespondence: Meaghan Ferguson Email MFergusonresearch@gmail.comJoel Katz Email jkatz@yorku.caPurpose: Limb loss occurs for various reasons (trauma, infection, vascular diseases, tumors, congenital absence). Limb loss is known to result in several types of pain. Little is known about pain in residents with missing limbs admitted to complex chronic care (CCC) facilities. This study examined the presence of pain and its intensity in CCC residents with and without missing limbs.Methods: The Continuing Care Reporting System was accessed for data from residents admitted to Ontario com\plex chronic care facilities assessed with the Resident Assessment Instrument Minimum Data Set, V2.0. Propensity score matching (1:1 ratio) was used to identify a control resident without missing limbs for each case. McNemar’s test was used for dichotomous pain (Y/N) and Wilcoxon Signed Ranks test for ordinal pain (4-level and 7-level pain variables). Binary and multinomial logistic regression were used to quantify the relationship between missing limbs and reports of pain.Results: Missing limbs were reported by 2961 residents (2.1%, original n=139,920) resulting in 2212 propensity matched pairs. A significantly higher proportion of missing limb cases had pain (80%) versus controls (70%), χ2=64.43, p< 0.001. Significantly higher pain levels were found in cases versus controls (z=8.47, p< 0.001 for 4-level pain; z=8.57, p< 0.001 for 7-level pain). Residents with missing limbs were 1.46 (95% CI: 1.26– 1.70) times more likely to report pain than controls, p< 0.001.Conclusion: The results point to the need to better manage pain in CCC residents with missing limbs.Keywords: complex, disease, chronic, amputation, health
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».