The McGill pain questionnaire in patients with myogenic facial pain and TMJ disorders
Notice bibliographique
Résumé
The assessment of pathologies characterized by pain situated at the temporomandibular joint (TMJ) or cheek, consequent on disorders of the TMJ itself and/or of the craniofacial or masticatory muscles is still controversial. As verbal pain assessment techniques are of help in discriminating between different pain sensations, our purpose was to assess the discriminative capacity of the McGill Pain Questionnaire (MPQ) in patients with TMJ disorders or with myogenous facial pain (MP). The MPQ was administered to 57 TMJ and 28 MP patients. Weighted MPQ item scores, subscale Pain Rating Indexes (PRI), total PRI and the number of words chosen were calculated. Mean scores were tested for significant differences (Student's t ) and the frequency with which each descriptor was chosen by the patients of both groups was also analysed. Furthermore, the data were processed through two systems based on a counter‐propagation neural network: the Self Organising Map (SOM) system, and a cluster‐like analysis. In the MP group 16 of 20 mean MPQ item scores and all mean PRI were significantly higher than those of the TMJ group. The SOM analysis was able to distribute the two groups in the two different halves of the map; only two of 28 MP cases (7%) and 12 of 57 TMJ cases (21%) were misplaced. The cluster‐like analysis based on the 20 MPQ item scores was able to correctly recognize 94·73% TMJ patients and 89·28% MP patients. In conclusion, the MPQ showed a consistent discriminative capacity between TMJ and MP patients .
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 ».