Factor analysis validates the cluster structure of the dendrogram underlying the Multidimensional Affect and Pain Survey (MAPS) and challenges the a priori classification of the descriptors in the McGill Pain Questionnaire (MPQ)
Notice bibliographique
Résumé
The purpose of this study was to validate the content and structure of the Multidimensional Affect and Pain Survey (MAPS) by means of factor analysis. The 101-MAPS is based on a dendrogram obtained by cluster analysis and contains 30 clusters subsumed within three superclusters. If the MAPS is a valid questionnaire for the quantification of emotion and pain in patients, then factor analysis of patients' intensity ratings should produce factors which correspond to the cluster structure of the dendrogram. To confirm the structure of the dendrogram and hence, MAPS, factor analysis was applied to the responses by 100 outpatients diagnosed with early stage cancer. Principal components analysis of responses to the MAPS yielded six factors. In accordance with the hypothesis, 13 of the 17 clusters within the MAPS somatosensory pain supercluster loaded on three sensory factors: factor 1, severe sensory pain; factor 3, moderate sensory pain; and factor 6, numb/cold. Five of the eight clusters within the emotional pain supercluster loaded on factor 2, negative emotions. Four of the five clusters in the well-being supercluster loaded on factor 4, good health. Factor 5, manageable illness was loaded on by clusters from the well-being supercluster and the somatosensory pain supercluster. The homogeneity of the six factors found demonstrate the validity of the MAPS and the cluster structure of the dendrogram. MAPS proved sensitive to sex differences; women endorsed the negative emotions factor more strongly than did men. The MAPS factors were much more homogeneous than those reported in the literature for the McGill Pain Questionnaire.
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 | 0,023 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».