Acute pain in cats: Recent advances in clinical assessment
Notice bibliographique
Résumé
PRACTICAL RELEVANCE: Pain assessment has gained much attention in recent years as a means of improving pain management and treatment standards. It has become an elemental part of feline practice with ultimate benefit to feline health and welfare. Currently pain assessment involves mostly the investigation of sensory-discriminative (intensity, location and duration) and affective-motivational (emotional) domains of pain. Specific behaviors associated with acute pain have been identified and constitute the basis for its assessment in cats. RECENT ADVANCES: The publication of pain scales with reported validation - the UNESP-Botucatu multidimensional composite pain scale and the Glasgow feline composite measure pain scale - and species-specific studies have advanced our knowledge on the subject. Facial expressions have also been shown to be different between painful and non-painful cats, and very recently the Feline Grimace Scale has been validated as a tool for acute pain assessment. CLINICAL CHALLENGES: Despite recent advances, several challenges still exist. For instance, the effects of disease and sedation on pain scoring/ assessment are unknown. Also, specific painful conditions (eg, dental pain) have not been systematically investigated. The development and validation of instruments for pain assessment by cat owners is warranted, as these tools are currently lacking. AIMS: This article reviews the use, advantages, disadvantages and limitations of the two validated pain scales, and presents a practical, stepwise approach to feline pain recognition and assessment using a dynamic and interactive process. The authors also offer perspectives regarding current challenges and future directions.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».