The Multidimensional Symptom Index: A new patient‐reported outcome for pain phenotyping, prognosis and treatment decisions
Notice bibliographique
Résumé
BACKGROUND: There are few patient-reported outcomes routinely used that capture frequency and interference of different pain-related symptoms on a single scale. The purpose of this study was to describe the development and initial validation of the new Multidimensional Symptom Index (MSI). METHODS: Items were generated from patient interviews of the experience of chronic pain. Health valuations were created from rankings of 82 healthy subjects for each of 120 symptom (×10) × frequency (×3) × interference (×4) combinations using preference-based health valuations (0-100). Ranks for each symptom combination were then used in scale scoring. A sample of 300 patients with acute or chronic pain subsequently completed the MSI and a battery of other tools. Exploratory (EFA) and Confirmatory (CFA) factor analyses were triangulated with theory to arrive at the factor structure. Convergent validity was tested against established measures. RESULTS: Health rankings resulted in scores of 0-12 for each of the 10 symptom types. Factor analyses revealed two factors: MSI Somatic Symptoms and MSI Non-Somatic Symptoms. The MSI also quantified number of symptoms experienced (/10), mean frequency (/3) and mean interference (/4). The indices showed appropriate associations with the established PROs. CONCLUSIONS: The MSI is a new symptom-focused PRO that allows patient phenotyping and may have value for screening, prognosis and evaluating change. SIGNIFICANCE: This article presents the development and psychometric properties of a new measure of pain and related symptom frequency and interference. This measure could aid clinicians in establishing clinically relevant pain phenotypes for screening, prognosis and treatment decisions.
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 | 0,006 | 0,006 |
| 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 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 ».