A Comparison of Three Pain Assessment Scales in the Assessment of Pain Among Dental Patients in Port Harcourt
Notice bibliographique
Résumé
Proper assessment of pain is essential in evaluating the appropriate treatment need of patients presenting with dental conditions. This study aimed to determine the correlation between Short Form McGill pain questionnaire 2 (SF-MPQ-2), Visual analogue Scale (VAS) and Numerical Rating Scale (NRS) for pain assessment among dental patients. A total of 83 patients that presented at the Oral Diagnosis clinic of the University of Port Harcourt Teaching Hospital with various dental conditions over 2 months were recruited for the study. The severity of the different presenting conditions was determined using SF-MPQ-2, VAS and NRS. The mean pain assessment scores for the different dental conditions was compared and Pearson correlation coefficient was evaluated for the three pain assessment scales. P < 0.05 was considered statistically significant. The mean age of the study participants was 38.2 ± 14.0 years with age range of 16 to 83 years. The mean VAS and NRS scores were significantly higher in those diagnosed with acute apical periodontitis with mean scores of 6.68±2.36 and 6.61±2.06 respectively. The participants with cancer had the lowest SF-MPQ-2 mean scores while those with chronic periodontitis have the lowest score using VAS and NRS. There was a significant strong, positive correlation between VAS and NRS pain assessment tools. The correlation between SF-MPQ-2 and either VAS/NRS was however, weak but positive and statistically significant. Severity of pain was highest among those with acute apical periodontitis using the three pain assessment tools. There was a significant positive correlation between SF-MPQ-2, VAS and NRS for dental pain assessment.
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 | 0,033 | 0,001 |
| 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 ».