Predicting treatment outcomes of pain patients attending tertiary multidisciplinary pain treatment centers: A pain trajectory approach
Notice bibliographique
Résumé
Background: Though multidisciplinary pain treatment (MPT) is considered the gold standard for managing chronic pain, it is unclear which patients benefit most from this high-cost treatment approach.Aims: The goals were to identify subgroups of patients sharing similar pain severity trajectories over time and predictors of MPT responsiveness.Methods: Participants were 1894 patients (mean age = 53.18 years [SD = 14.0]; female = 60.3%) enrolled in the Quebec Pain Registry with moderate to severe baseline pain severity. Patients completed validated questionnaires on pain and related constructs before initiating treatment and 6, 12, and 24 months later.Results: Trajectory analyses of pain severity (intensity and interference) showed that a three-class model best fit the data. Two of the trajectories, which included 24.5% of patients, showed significant improvement in pain severity levels over time (improvers). Compared to patients in the nonimproving trajectory (non-improvers), improvers were younger and more likely to suffer from neuropathic pain and had pain of shorter duration, lower worst pain intensity, lower sleep disturbances and depression scores at baseline, a lower tendency to catastrophize, and better physical health–related quality of life (QOL). This predictive model had a specificity of 96.2% and a sensitivity of 23.6%.Conclusions: Only a minority of patients exhibited an improvement in their pain severity with MPT. Several patients’ characteristics were significantly associated with pain trajectory membership. Early identification of nonimprovers, through examination of baseline characteristics and rates of change in pain scores, can provide valuable information about prognosis and open the doors for evaluation of different cost-effective treatment approaches.Abbreviations: CP = chronic pain; MPT = multidisciplinary pain treatment; QPR = Quebec Pain Registry; QOL = quality of life.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».