An Integrated Quantitative Index for Measuring Chronic Multisite Pain: The Multiple Areas of Pain (MAP) Study
Notice bibliographique
Résumé
OBJECTIVE: Despite the high prevalence of chronic multisite pain, there is little consensus on methods to characterize it. Commonly used assessments report only one dimension of pain, that is, intensity, thus ignoring the spatial aspect of pain. We developed a novel pain quantification index, the Integrated Pain Quantification Index (IPQI), on a scale of 0 to 1 that integrates multiple distinct pain measures into a single value, thus representing multidimensional pain information with a single value. DESIGN: Single-visit, noninterventional, epidemiological study. SETTING: Fourteen outpatient multidisciplinary pain management programs. PATIENTS: Patients with chronic pain of the trunk and/or limbs for at least six months with average overall pain intensity of at least 5 on the numeric rating scale. METHODS: Development of IPQI was performed in a large population (N = 810) of chronic pain patients from the Multiple Areas of Pain (MAP) study. RESULTS: Prevalence of two or more noncontiguous painful areas was at 88.3% (95% confidence interval [CI] = 0.86-0.90), with a mean of 6.3 areas (SD = 5.57 areas). Prevalence of more than 10% body area in pain was at 52.8% (95% CI = 0.49-0.56), with a mean at 16.1% (17.16%). On average, IPQI values were near the middle of the scale, with mean and median IPQI at 0.52 (SD = 0.13) and 0.55, respectively. The IPQI was generalizable and clinically relevant across all domains recommended by the Initiative on Methods, Measurement, and Pain Assessment in Clinical Trials. CONCLUSIONS: IPQI provided a single pain score for representing complex, multidimensional pain information on one scale and has implications for comparing pain populations across longitudinal 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 | 0,029 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».