Relationship of Pain Quality Descriptors and Quantitative Sensory Testing
Notice bibliographique
Résumé
BACKGROUND: Chronic pain in adults with sickle cell disease (SCD) may be the result of altered processing in the central nervous system, as indicated by quantitative sensory testing (QST). Sensory pain quality descriptors on the McGill Pain Questionnaire (MPQ) are indicators of typical or altered pain mechanisms but have not been validated with QST-derived classifications. OBJECTIVES: The specific aim of this study was to identify the sensory pain quality descriptors that are associated with the QST-derived normal or sensitized classifications. We expected to find that sets of sensory pain quality descriptors would discriminate the classifications. METHODS: A cross-sectional quantitative study of existing data from 186 adults of African ancestry with SCD. Variables included MPQ descriptors, patient demographic data, and QST-derived classifications. RESULTS: The participants were classified as central sensitization (n = 33), mixed sensitization (n = 23), and normal sensation. Sensory pain quality descriptors that differed statistically between mixed sensitization and central sensation compared to normal sensitization included cold (p = .01) and spreading (p = .01). Aching (p = .01) and throbbing (p = .01) differed statistically between central sensitization compared with mixed sensitization and normal sensation. Beating (p = .01) differed statistically between mixed sensitization compared with central sensitization and normal sensation. No set of sensory pain quality descriptors differed statistically between QST classifications. DISCUSSION: Our study is the first to examine the association between MPQ sensory pain quality descriptors and QST-derived classifications in adults with SCD. Our findings provide the basis for the development of a MPQ subscale with potential as a mechanism-based screening tool for neuropathic pain.
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 | 0,002 | 0,012 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».