Differentiating sensory and affective-sensory pain descriptions in patients undergoing magnetic resonance imaging for persistent low back pain
Notice bibliographique
Résumé
The study design is a cross-sectional survey with psychometric analysis. The objective is to determine the validity of a modified version of the Short-Form McGill Pain Questionnaire (SF-MPQ). The SF-MPQ has been widely used to differentiate between reports of sensory and affective pain. The validity of this instrument to reflect independence between these constructs remains unclear. The SF-MPQ, the Roland-Morris Questionnaire (RM) and a measure of current pain intensity were completed by 373 patients undergoing lumbar magnetic resonance imaging (MRI). Four hypothesized factor structures for the SF-MPQ (three 2-factor and one 1-factor solution) were tested using confirmatory factor analysis. A modified 2-factor solution (MSF-MPQ) containing 3 items labeled sensory and 5 items labeled affective-sensory had the best degree of fit. Correlations between factors were substantially lower for the modified 2-factor solution (0.48) than for previously described 2-factor solutions (0.88 and 0.92) indicating a higher degree of independence between these factors. Correlations with measures of pain intensity and the RM were significant, but slightly lower, for the subscales of the modified 2-factor solution (0.26-0.40) than for the subscales of the previously described 2-factor solutions (0.34-0.45). The MSF-MPQ can be used as a brief tool to differentiate the language used to describe pain in patients who are undergoing lumbar MRI. The evidence indicates that this clinical tool can be used to categorize how these patients describe their pain and potentially may be very valuable in determining the optimal course of treatment.
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 | 0,005 | 0,005 |
| 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 ».