Rating Scales for Pain in Parkinson's Disease: Critique and Recommendations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: We aimed at critically appraising the clinimetric properties of existing pain scales or questionnaires and to give recommendations for their use in Parkinson's disease (PD). METHODS: Clinimetric properties of pain scales used in PD were systematically evaluated. A scale was classified as 'recommended' if was used in PD, showed adequate clinimetric properties, and had been used by investigators other than the original developers; as 'suggested' if it was used in PD and fulfilled only one other criterion; and as 'listed' if it was used in PD but did not meet the other criteria. Only scales rating pain intensity or for syndromic classification were assessed. RESULTS: Eleven of the 34 scales initially considered fulfilled inclusion criteria. Among the scales rating pain intensity, the "Brief Pain Inventory short form," "McGill Pain Questionnaire short and long forms," "Neuropathic Pain Symptoms Inventory," "11-point Numeric Rating Scale," "10-cm Visual Analog Scale," and "Pain-O-Meter" were "recommended with caution" because of lack of clinimetric data in PD, whereas the "King's PD Pain Scale" was "recommended." Among scales for pain syndromic classification, the "DN4" was "recommended with caution" because of lack of clinimetric data in PD; the "Leeds Assessment of Neuropathic Symptoms and Signs," "Pain-DETECT," and the "King's PD Pain Scale" were "suggested." CONCLUSIONS: King's PD pain scale can be recommended for the assessment of pain intensity in PD. Syndromic classification of pain in PD may be achieved by the DN4, but clinimetric data in PD are needed for this scale.
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.
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 | 0,002 | 0,011 |
| 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 découle