The Utility and Construct Validity of Four Measures of Pain Intensity: Results from a University-Based Study in Spain
Notice bibliographique
Résumé
OBJECTIVE: Pain intensity is the most commonly assessed domain in pain research and clinical settings. To facilitate cross-cultural research, knowledge regarding the psychometric properties of pain intensity measures in individuals from different countries is needed. However, the majority of this research has been conducted in English-speaking countries. DESIGN: Survey study. SETTING: University. SUBJECTS: Four hundred nineteen college students. METHODS: Participants were asked to complete four measures assessing average pain intensity: 1) the 0-10 numerical rating scale (NRS-11), 2) the 100-mm visual analog scale (VAS), 3) the four-point verbal rating scale (VRS-4), and 4) the Faces Pain Scale-Revised (FPS-R). RESULTS: The rates of incorrect completion of the four scales were uniformly low (range = 1-2%). The NRS-11 had the highest preference rate (31%), although a substantial number of participants also preferred each of the other three scales (range = 22-24%). The findings support the utility and construct validity of all four pain intensity scales in this Spanish-speaking sample. CONCLUSIONS: When considered in light of research from other non-English-speaking samples indicating significant psychometric weaknesses for the NRS-11 and VAS and relative strengths of the FPS-R in some groups, the findings suggest that the FPS-R might be the most appropriate pain intensity scale to use when comparisons across populations from different countries is a goal. More research is needed to determine the extent to which demographic (i.e., age, education levels, socioeconomic status) vs cultural factors (i.e., country of origin) influence the reliability, validity, and utility of different pain measures.
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 | 0,019 | 0,011 |
| 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 ».