Comparing the DN4 tool with the IASP grading system for chronic neuropathic pain screening after breast tumor resection with and without paravertebral blocks
Notice bibliographique
Résumé
Investigating protective strategies against chronic neuropathic pain (CNP) after breast cancer surgery entails using valid screening tools. The DN4 (Douleur Neuropathique en 4 questions) is 1 tool that offers important research advantages. This prospective 6-month follow-up study seeks to validate the DN4 and assess its responsiveness in screening for CNP that satisfies the International Association for the Study of Pain (IASP) definition and fulfills its grading system criteria after breast tumor resection with and without paravertebral blocks (PVBs). We randomized 66 females to standardized general anesthesia and sham subcutaneous injections, or PVB and total intravenous anesthesia. The 6-month CNP risk was assessed using the IASP grading system and the DN4 screening tools. We evaluated the DN4 sensitivity, specificity, and responsiveness in capturing the impact of PVB on the CNP risk relative to the IASP grading system. Data from 64 patients showed similar demographic characteristics in both groups. Twenty patients in both groups met the grading system CNP criteria; among these, 18 patients also met the DN4 CNP criteria. Furthermore, 15 patients in both groups did not meet the grading system CNP criteria; among these, 9 patients also did not meet the DN4 CNP criteria. Therefore, the sensitivity and specificity of the DN4 were estimated at 90% and 60%, respectively. Both screening tools suggested that PVB reduced the 6-month CNP risk. Our results suggest that the DN4 can reliably identify CNP at 6 months after breast tumor resection and detect the preincisional PVB effect on the risk of developing such pain.
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 | 0,011 | 0,000 |
| 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 ».