MétaCan
Menu
Retour à la cohorte
Enregistrement W2062724105 · doi:10.1089/jpm.2007.0087

What Should be the Optimal Cut Points for Mild, Moderate, and Severe Pain?

2007· article· en· W2062724105 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Palliative Medicine · 2007
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMultivariate analysis of varianceBrief Pain InventoryPopulationPhysical therapyPalliative careChronic painStatistics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Grouping patients' rating of pain intensity from 0 to 10 into categories of mild, moderate, and severe pain is useful for informing treatment decisions, interpreting study outcomes, as well as aiding policy or clinical practice guidelines development. In 1995, Serlin and colleagues developed a technique to establish the cut points for mild, moderate, and severe pain by grading pain intensity with functional interference. Since then, a number of studies attempted to confirm these findings in similar or different populations but had different results. Such inconsistencies in the literature prompt for more research to establish the definition of mild, moderate and severe pain. Thus, the purpose of the current study was to identify optimal cut points (CP) of the three pain severity categories for worst, average, and current pain. PATIENTS AND METHODS: The study population (n = 199) was patients with symptomatic bone metastases referred to a palliative radiotherapy clinic. Using the Brief Pain Inventory (BPI), patients reported their worst, average, and current pain intensity, as well as the degree of functional interference due to pain. All possible combinations for the CPs, between 2 and 8, were created and related to the set of 7 interference items from the BPI using the multivariate analysis of variance (MANOVA). The criteria used to determine the optimal set of cut points for mild, moderate and severe pain was a MANOVA among pain severity categories that yielded the largest F ratio for the between-category effect on the 7 interference items as indicated by Pillai's trace, Wilk's lambda, and Hotelling's trace F statistics. RESULTS: Results confirmed a non-linear relationship between cancer pain severity and functional interference. The optimal CP for worst and average pain was CP4, 6 (mild = 1-4, moderate = 5-6, and severe = 7-10), confirming Serlin and colleagues's findings. CONCLUSION: These findings are pivotal in further understanding the meaning of pain intensity levels and the assessment of pain in patients with metastatic cancer. However, further research in alternative methods of defining the optimal CP and clinically important change should be considered.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,364
Écart entre enseignants0,287 · 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