The Dimensions of Pain Quality: Factor Analysis of the Pain Quality Assessment Scale
Notice bibliographique
Résumé
OBJECTIVE: To provide a better empirical understanding of the dimensionality of neuropathic and non-neuropathic pain quality. METHOD: An exploratory factor analysis (FA) was performed with baseline pain quality data [assessed using the Pain Quality Assessment Scale (PQAS)] from patients with osteoarthritis of the knee (n=368) and low back pain (n=455) who had participated in a series of analgesic clinical trials. The results of the FA were then confirmed in a sample of patients with neuropathic pain secondary to carpal tunnel syndrome (n=138). Comparisons between the diagnostic groups on scale scores derived from the FA results were also made using t tests. RESULTS: Three clear pain quality factors emerged that seemed to represent (1) paroxysmal pain sensations (PQAS descriptors: shooting, sharp, electric, hot, and radiating), (2) superficial pain (itchy, cold, numb, sensitive, and tingling), and (3) deep pain (aching, heavy, dull, cramping, and throbbing). The PQAS tender pain item did not load strongly on any of the 3 factors. DISCUSSION: The findings support the hypothesis that pain qualities cluster into distinct groups. If replicated in additional samples, the pain quality domains identified may provide clinicians and researchers with a useful way to summarize data from pain quality measures, and may also provide meaningful end points that would allow for treatment differentiation between various pharmacologic entities.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».