Chronic Pain Assessment Tools for Cerebral Palsy: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Chronic pain in children with cerebral palsy (CP) is underrecognized, leading to detriments in their physical, social, and mental well-being. Our objective was to identify, describe, and critique pediatric chronic pain assessment tools and make recommendations for clinical use for children with CP. Secondly, develop an evidence-informed toolbox to support clinicians in the assessment of chronic pain in children with disabilities. METHODS: Ovid Medline, Cumulative Index to Nursing and Allied Health Literature, and Embase databases were systematically searched by using key terms "chronic pain" and "clinical assessment tool" between January 2012 and July 2014. Tools from multiple pediatric health conditions were explored contingent on inclusion criteria: (1) children 1 to 18 years; (2) assessment focus on chronic pain; (3) psychometric properties reported; (4) written in English between 1980 and 2014. Pediatric chronic pain assessment tools were extracted and corresponding validation articles were sought for review. Detailed tool descriptions were composed and each tool underwent a formal critique of psychometric properties and clinical utility. RESULTS: Of the retrieved 2652 articles, 250 articles met eligibility, from which 52 chronic pain assessment tools were retrieved. A consensus among interprofessional working group members determined 7 chronic pain interference tools to be of importance. Not all tools have been validated with children with CP nor is there 1 tool to meet the needs of all children experiencing chronic pain. CONCLUSIONS: This study has systematically reviewed and recommended, through expert consensus, valid and reliable chronic pain interference assessment tools for children with disabilities.
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 | 0,013 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».