Assessment of Patient-Reported Outcome Instruments to Assess Chronic Low Back Pain
Notice bibliographique
Résumé
Objective: To identify patient-reported outcome (PRO) instruments that assess chronic low back pain (cLBP) symptoms (specifically pain qualities) and/or impacts for potential use in cLBP clinical trials to demonstrate treatment benefit and support labeling claims. Design: Literature review of existing PRO measures. Methods: Publications detailing existing PRO measures for cLBP were identified, reviewed, and summarized. As recommended by the US Food & Drug Administration (FDA) PRO development guidance, standard measurement characteristics were reviewed, including development history, psychometric properties (validity and reliability), ability to detect change, and interpretation of observed changes. Results: Thirteen instruments were selected and reviewed: Low Back Pain Bothersomeness Scale, Neuropathic Pain Symptom Inventory, PainDETECT, Pain Quality Assessment Scale Revised, Revised Short Form McGill Pain Questionnaire, Low Back Pain Impact Questionnaire, Oswestry Disability Index, Pain Disability Index, Roland-Morris Disability Questionnaire, Brief Pain Inventory and Brief Pain Inventory Short Form, Musculoskeletal Outcomes Data Evaluation and Management System Spine Module, Orebro Musculoskeletal Pain Questionnaire, and the West Haven-Yale Multidimensional Pain Inventory Interference Scale. The instruments varied in the aspects of pain and/or impacts that they assessed, and none of the instruments fulfilled all criteria for use in clinical trials to support labeling claims based on recommendations outlined in the FDA PRO guidance. Conclusions: There is an unmet need for a validated PRO instrument to evaluate cLBP-related symptoms and impacts for use in clinical trials.
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 | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».