MétaCan
Menu
Retour à la cohorte
Enregistrement W2216726856 · doi:10.1097/j.pain.0000000000000335

Neuropathic pain phenotyping by international consensus (NeuroPPIC) for genetic studies

2015· review· en· W2216726856 sur OpenAlexaff
Oliver van Hecke, Peter Kamerman, Nadine Attal, Ralf Baron, Gyða Björnsdóttir, David Bennett, Mike Bennett, Didier Bouhassira, Luda Diatchenko, Roy Freeman, Rainer Freynhagen, Maija Haanpää, Troels S. Jensen, Srinivasa N. Raja, Andrew S.C. Rice, Ze’ev Seltzer, Thorgeir E. Thorgeirsson, David Yarnitsky, Blair H. Smith

Notice bibliographique

RevuePain · 2015
Typereview
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesNational Institute of Dental and Craniofacial ResearchMedical Research CouncilWellcome Trust
Mots-clésNeuropathic painMedicineChecklistPhenotypeReplication (statistics)Delphi methodPsychologyBiologyAnesthesiaComputer scienceGeneticsGeneCognitive psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

For genetic research to contribute more fully to furthering our knowledge of neuropathic pain, we require an agreed, valid, and feasible approach to phenotyping, to allow collaboration and replication in samples of sufficient size. Results from genetic studies on neuropathic pain have been inconsistent and have met with replication difficulties, in part because of differences in phenotypes used for case ascertainment. Because there is no consensus on the nature of these phenotypes, nor on the methods of collecting them, this study aimed to provide guidelines on collecting and reporting phenotypes in cases and controls for genetic studies. Consensus was achieved through a staged approach: (1) systematic literature review to identify all neuropathic pain phenotypes used in previous genetic studies; (2) Delphi survey to identify the most useful neuropathic pain phenotypes and their validity and feasibility; and (3) meeting of experts to reach consensus on the optimal phenotype(s) to be collected from patients with neuropathic pain for genetic studies. A basic "entry level" set of phenotypes was identified for any genetic study of neuropathic pain. This set identifies cases of "possible" neuropathic pain, and controls, and includes: (1) a validated symptom-based questionnaire to determine whether any pain is likely to be neuropathic; (2) body chart or checklist to identify whether the area of pain distribution is neuroanatomically logical; and (3) details of pain history (intensity, duration, any formal diagnosis). This NeuroPPIC "entry level" set of phenotypes can be expanded by more extensive and specific measures, as determined by scientific requirements and resource availability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,223
score de la tête « metaresearch » (Gemma)0,209
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,958

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2230,209
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0150,009
Études des sciences et des technologies0,0040,003
Communication savante0,0040,005
Science ouverte0,0060,015
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0120,005

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 Opus0,144
Tête enseignante GPT0,396
Écart entre enseignants0,252 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePainMême sujetPain Mechanisms and TreatmentsTravaux en français237 207