Measuring Pain and Efficacy of Pain Treatment in Inflammatory Arthritis: A Systematic Literature Review
Notice bibliographique
Résumé
OBJECTIVE: To systematically review the available literature on measuring pain and the efficacy of pain treatment in inflammatory arthritis (IA), as an evidence base for generating clinical practice recommendations. METHODS: A systematic literature search was performed in Medline, Embase, Cochrane Library, and the American College of Rheumatology/European League Against Rheumatism 2008/2009 meeting abstracts, searching for studies evaluating clinimetric properties of pain measurement tools in IA (convergent validity, internal consistency, retest reliability, responsiveness, feasibility, and standardization). Studies that presented information on these properties were reviewed and their data were integrated into the pool of results available for pain measures in IA. RESULTS: In total, 51 articles were included in the review. Validated information on pain was available for tools covering different facets such as overall pain, anatomically specific pain, or a mixture of both. Data from these studies showed that single pain-related items such as the visual analog scale (VAS), numeric rating scale (NRS), or verbal rating scale (VRS) provide sufficient clinimetric information. Similar results were obtained for the pain subscales of the Arthritis Impact Measurement Scales (AIMS/AIMS2) and the bodily pain subscale of the Medical Outcome Study Short-Form Survey 36. Most clinimetric coefficients showed acceptable results with respect to validity, reliability, and sensitivity to change, while the degree of standardization and feasibility mostly filled at least 2 of 3 predefined criteria. CONCLUSION: A variety of pain measures are available to cover different aspects of pain such as intensity, frequency, or location. Single-item tools such as VAS, NRS, or VRS can be recommended to measure overall pain in clinical practice. If more specific issues need to be addressed, more sophisticated tools should be taken into account.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».