Improving the Usefulness of the Multidimensional Pain Inventory
Notice bibliographique
Résumé
BACKGROUND: The Multidimensional Pain Inventory (MPI) is a reliable and valid self-report instrument that measures the impact of pain on an individual's life, quality of social support and general activity. Criticism of the MPI has focused on this instrument's internal structure and the stability of its classification taxonomy. OBJECTIVES: To determine whether empirical summary scales could be developed for the MPI based on a large sample of respondents diagnosed with fibromyalgia syndrome. It was hypothesized that summary scales would improve the psychometric quality of the MPI and increase the stability of respondents' taxonomy profiles across time. METHODS: Respondents completed the MPI on two occasions before their admission to a multidisciplinary pain management program. RESULTS AND CONCLUSIONS: Based on principal components analysis, three summary scales were developed that reflected level of impairment, social support and activity. Summary scales possessed good psychometric qualities and, when cluster analyzed, replicated the MPI taxonomy. Exploratory analyses of the MPI taxonomy revealed that goodness-of-fit values generally became less reliable as respondent profiles approached the overall sample mean. When the relative distance between respondents fit to taxonomy profiles and the distance from the sample mean was considered, profile stability using summary scales was predicted with good precision. These results suggest that summary scales may enhance the usefulness of the MPI, and that the traditional method of determining profile fit within the MPI is not stable and needs to be reconsidered.
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 | 0,010 | 0,000 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».