Classifying post-stroke shoulder pain: can the DN4 be helpful?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The etiology of post-stroke shoulder pain (PSSP) is largely unclear and may involve both nociceptive and neuropathic mechanisms. No gold standard is present for PSSP diagnosis. The neuropathic pain diagnostic questionnaire (DN4), was originally developed to identify neuropathic pain in the clinical context. In this study we used the DN4 to categorize PSSP patients and compared symptoms and signs suggestive of either nociceptive or neuropathic pain. Pain complaints and sensory functions were compared between patients with chronic PSSP scoring at least four (DN4+, n=9) or less than four (DN4-, n=10) on the DN4. Pain was assessed using a numeric rating scale and the McGill pain questionnaire. Sensory functions were assessed using clinical examination and quantitative sensory testing combined with a cold pressor test. Patients classified as DN4+ reported constant pain, higher pain intensity, a higher impact of pain on daily living, more frequent loss of cold sensation, reduced QST thresholds at the unaffected side and increased QST thresholds at the affected side. Notably, several symptoms and signs suggestive of either neuropathic or nociceptive pain corresponded to the subgroups DN4+ and DN4- respectively. However, since the pathophysiological mechanisms remain unclear and none of the sensory signs could be exclusively related to either DN4+ or DN4-, PSSP prognosis and treatment should not be solely based on the DN4. Nonetheless, a thorough assessment of neuropathic and nociceptive pain complaints and somatosensory functions should be included in the diagnostic work-up of PSSP.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle