Patient-perceived features and clinical characteristics of tooth pain : A comparison between apical periodontitis and persistent dento-alveolar pain disorder (PDAP) – preliminary results
Notice bibliographique
Résumé
Background: \nDifferential diagnosis between tooth pain of inflammatory and neuropathic origin is crucial since treatment strategies differ. \nAim: Evaluate and compare self-reported and clinically observed pain characteristics in patients with SAP (symptomatic apical periodontitis) and PDAP (persistent dento-alveolar pain disorder). \nMethodology: Patients diagnosed with SAP and PDAP were recruited from Malmö University and Folktandvården Östergötland. Data collection included clinical examination and questionnaire (tooth pain characteristics, verbal pain description [short-form McGill Pain Questionnaire; SF-MPQ], factors affecting the pain). \nResults: Data from 24 patients with SAP and 20 with PDAP (24 females, mean age 53 years) were analyzed. Average pain intensity was 4.4 (0–10 numeric rating scale) and average duration 1527 days. 64% reported continuous and 27% recurrent pain. 58% of teeth were tender to percussion and 66% to apical palpation. 27% reported concurrent pain from jaw muscles/joints. Significant differences were found for gender (% females; PDAP>SAP;p=0.013), pain duration (PDAP>SAP;p<0.0001), pain frequency (PDAP>SAP;p<0.001), percussion tenderness (SAP>PDAP;p=0.012), muscle/joint pain (PDAP>SAP;p=0.021). SF-MPQ and affecting factors did not differ (p=0.096–1.000). \nConclusion: Preliminary results indicate that pain intensity, pain description and factors affecting the pain are similar for SAP and PDAP. Female gender, long pain duration, high pain frequency, and concurrent muscle/joint pain presented more frequently in PDAP.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».