Cluster Analysis of an International Pressure Pain Threshold Database Identifies 4 Meaningful Subgroups of Adults With Mechanical Neck Pain
Notice bibliographique
Résumé
OBJECTIVE: To determine pressure pain detection threshold (PPDT) related phenotypes of individuals with mechanical neck pain that may be identifiable in clinical practice. METHODS: This report describes a secondary analysis of 5 independent, international mechanical neck pain databases of PPDT values taken at both a local and distal region (total N=1176). Minor systematic differences in mean PPDT values across cohorts necessitated z-transformation before analysis, and each cohort was split into male and female sexes. Latent profile analysis (LPA) using the k-means approach was undertaken to identify the most parsimonious set of PPDT-based phenotypes that were both statistically and clinically meaningful. RESULTS: LPA revealed 4 distinct clusters named according to PPDT levels at the local and distal zones: low-low PPDT (67%), mod-mod (25%), mod-high (4%), and high-high (4%). Secondary predictor variables were evaluated for intracluster and cross-cluster significance. Low-low cluster was most affected, as indicated by pain intensity, disability, and catastrophization scores all significantly above the cohort-specific and sex-specific mean, and active range of motion scores significantly below the mean. DISCUSSION: The results suggest that there are a large proportion of people with neck pain that present with signs indicating dysfunction beyond the local tissues. Ongoing exploration of these presentations may lead to more informed management and improved outcomes.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».