Central sensitization inventory in endometriosis
Notice bibliographique
Résumé
ABSTRACT: A key clinical problem is identifying the patient with endometriosis whose pain is complicated by central nervous system sensitization, where conventional gynecologic treatment (eg, hormonal therapy or surgery) may not completely alleviate the pain. The Central Sensitization Inventory (CSI) is a questionnaire previously validated in the chronic pain population. The objective of this study was an exploratory proof-of-concept to identify a CSI cutoff in the endometriosis population to discriminate between individuals with significant central contributors (identified by central sensitivity syndromes [CSS]) to their pain compared to those without. We analyzed a prospective data registry at a tertiary referral center for endometriosis, and included subjects aged 18 to 50 years with endometriosis who were newly or re-referred to the center in 2018. The study sample consisted of 335 subjects with a mean age of 36.0 ± 7.0 years. An increasing number of CSS was significantly correlated with dysmenorrhea, deep dyspareunia, dyschezia, and chronic pelvic pain scores (P < 0.001), and with the CSI score (0-100) (r = 0.731, P < 0.001). Receiver operating characteristic analysis indicated that a CSI cutoff of 40 had a sensitivity of 78% (95% CI: 72.7%-84.6%) and a specificity of 80% (95% CI: 70.3%-84.5%) for identifying a patient with endometriosis with ≥3 CSS. In the group with CSI ≥ 40, 18% retrospectively self-reported pain nonresponsive to hormonal therapy and 40% self-reported daily pain, compared with 6% and 20% in the CSI < 40 group (P = 0.003 and 0.002, respectively). In conclusion, a CSI ≥ 40 may be a practical tool to help identify patients with endometriosis with pain contributors related to central nervous system sensitization.
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 | 0,001 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».