Consistency and Accuracy of Multiple Pain Scales Measured in Cancer Patients From Multiple Ethnic Groups
Notice bibliographique
Résumé
BACKGROUND: Standardized pain-intensity measurement across different tools would enable practitioners to have confidence in clinical decision making for pain management. OBJECTIVES: The purpose was to examine the degree of agreement among unidimensional pain scales and to determine the accuracy of the multidimensional pain scales in the diagnosis of severe pain. METHODS: A secondary analysis was performed. The sample included a convenience sample of 480 cancer patients recruited from both the Internet and community settings. Cancer pain was measured using the Verbal Descriptor Scale (VDS), the visual analog scale (VAS), the Faces Pain Scale (FPS), the McGill Pain Questionnaire-Short Form (MPQ-SF), and the Brief Pain Inventory-Short Form (BPI-SF). Data were analyzed using a multivariate analysis of variance and a receiver operating characteristic curve. RESULTS: The agreement between the VDS and VAS was 77.25%, whereas the agreement was 71.88% and 71.60% between the VDS and FPS, and VAS and FPS, respectively. The MPQ-SF and BPI-SF yielded high accuracy in the diagnosis of severe pain. Cutoff points for severe pain were more than 8 for the MPQ-SF and more than 14 for the BPI-SF, which exhibited high sensitivity and relatively low specificity. CONCLUSION: The study found substantial agreement between the unidimensional pain scales and high accuracy of the MPQ-SF and the BPI-SF in the diagnosis of severe pain. IMPLICATIONS FOR PRACTICE: Use of 1 or more pain screening tools that have validated diagnostic accuracy and consistency will help classify pain effectively and subsequently promote optimal pain control in multiethnic groups of cancer 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 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 | 0,021 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».