MétaCan
Menu
Retour à la cohorte
Enregistrement W1550531151 · doi:10.1155/2006/197616

Children’s Self‐Reports of Pain Intensity: Scale Selection, Limitations and Interpretation

2006· review· en· W1550531151 sur OpenAlexaff
Carl L. von Baeyer

Notice bibliographique

RevuePain Research and Management · 2006
Typereview
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesInternational Association for the Study of Pain
Mots-clésInterpretation (philosophy)Intensity (physics)Selection (genetic algorithm)Scale (ratio)PsychologyArtificial intelligenceComputer scienceCartographyGeographyPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Most children aged five years and older can provide meaningful self-reports of pain intensity if they are provided with age-appropriate tools and training. Self-reports of pain intensity are an oversimplification of the complexity of the experience of pain, but one that is necessary to evaluate and titrate pain-relieving treatments. There are many sources of bias and error in self-reports of pain, so ratings need to be interpreted in light of information from other sources such as direct observation of behaviour, knowledge of the circumstances of the pain and parents' reports. The pain intensity scales most commonly used with children - faces scales, numerical rating scales, visual analogue scales and others - are briefly introduced. The selection, limitations and interpretation of self-report scales are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,368
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations441
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePain Research and ManagementMême sujetPediatric Pain Management TechniquesTravaux en français237 207