Quid test and clinical findings in a TMD treatment‐seeking population
Notice bibliographique
Résumé
The aim of the present study was to investigate the response pattern to ‘QUID test’ (Italian analogue of the ‘McGill Pain Questionnaire’) and the clinical aspects of a TMD seeking care population. A total of 229 consecutive patients (mean age 35·9 years) completed the QUID test and underwent a complete clinical examination. An analysis of pain descriptors was also performed. This population was divided in six groups according to their clinical characteristics: 1. TMD: pain at the moment of the examination, positive findings for TMD. 2. eTMD: history of TMD, episodic pain, no clinical findings at present. 3. Headache (H): main complaint. 4. Neck pain (N): main complaint. 5. Atypical Facial Pain (AFP): facial pain not fulfilling other criteria (IHS 12·8). 6. No Orofacial Pain (NOFP): no pain disturbances. Statistical analysis was performed using t and chi‐squared tests. Significance level was set to 0·05. The percentages of the six groups were: TMD 53·71%, eTMD 9·17%, H 4·80%, N 1·31%, AFP 6·11%, NOFP 24·89%. Significant differences were found in: – pain intensity between H and TMD ( P =0·034), and between AFP and eTMD ( P =0·027); – hypermobility and cervical problems between NOFP and TMD ( P =0·021 and 0·0001, respectively); – presence of psychobehavioural factors (axis II) between eTMD and AFP ( P =0·05); – type and distribution of words chosen: particularly five descriptors showed a significantly different pattern of distribution; – affective component of pain experience (PRIrcA): highest for the AFP group.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».