Psychometric features of brief pain inventory for Parkinson’s disease during medication states
Notice bibliographique
Résumé
PURPOSE: Patients with idiopathic Parkinson's disease (PD) suffer from different non-motor symptoms, including pain. The present study aimed to measure the psychometric properties of the Brief Pain Inventory (BPI) in patients with PD during ON- and OFF-states. METHODS: We recruited 460 patients with PD and 100 non-PD controls. The pain was assessed by the BPI, King's Parkinson's disease Pain Scale (KPPS), Neuropathic Pain Symptom Inventory (NPSI), Visual Analogue Scale-Pain (VAS-pain), and short-form McGill Pain Questionnaire-2 (SF-MPQ-2) in both medication states. Internal consistency and test-retest reliability was examined using Cronbach's alpha coefficient and intra-class correlation coefficient (ICC). Dimensionality and convergent validity of BPI were also investigated. Diagnostic accuracy and discriminative validity were determined by Receiver Operating Characteristics (ROC) curve analysis and Area Under the Curve (AUC). RESULTS: = 0.91-0.97) in both states. The ICC values were 0.85-0.96 in ON- and OFF-state. Factor analysis revealed two factors. A high correlation was obtained between BPI subscales and other scales. AUC >0.91, sensitivity, and specificity> 0.77 were observed for discriminating different pain levels. Furthermore, appropriate diagnostic accuracy was found (AUC, sensitivity, and specificity >0.67) between non-PD control and PD patients. CONCLUSION: The BPI has acceptable psychometric features as well as diagnostic accuracy for patients with PD.Implications for rehabilitationPain as a non-motor symptom in PD can affect daily and social activities.The BPI is used to assess pain severity and interference in activities.For better treatment, pain should be assessed in off-state like to on-state.BPI has satisfactory reliability and validity in different medication states in PD.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».