Defining mild, moderate, and severe pain in young people with physical disabilities
Notice bibliographique
Résumé
PURPOSE: The purpose of this study is to identify the cutoffs that are most suitable for classifying average and worst pain intensity as being mild, moderate, or severe in young people with physical disabilities. METHOD: Survey study using a convenience sample of 113 young people (mean age = 14.19; SD = 2.9; age range: 8-20) with physical disabilities (namely, spinal cord injury, cerebral palsy, spina bifida, limb deficiency (acquired or congenital), or neuromuscular disease). RESULTS: The findings support a non-linear association between pain intensity and pain interference. In addition, the optimal cutoffs for classifying average and worst pain as mild, moderate, or severe differed. For average pain, the best cutoffs were the following: 0-3 for mild, 4-6 for moderate, and 7-10 for severe pain, whereas the optimal classification for worst pain was 0-4 for mild, 5-6 for moderate, and 7-10 for severe pain. CONCLUSIONS: The findings provide important information that may be used to help make decisions regarding pain treatment in young people with disabilities and also highlight the need to use different cutoffs for classifying pain intensity in young people with disabilities than those that have been suggested for adults with chronic pain. Implications for rehabilitation Most clinical guidelines make treatment recommendations based on classifications of pain intensity as being mild, moderate, and severe that do not have a clear cut association with pain intensity ratings. Cutoffs that are deemed to be the most appropriate for classifying pain intensity as mild, moderate, and severe appear to depend, at least in part, on the pain population that is being studied and pain domain that is being used. This work helps to advance our knowledge regarding the meaning of pain intensity ratings in young people with physical disabilities. Clinicians can use this information to make empirically guided decisions regarding when to intervene in young people with disabilities and chronic pain.
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 | 0,002 | 0,008 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».