Challenges with Assessing and Treating Pain in Research Primates: A Focused Survey and Literature Review
Notice bibliographique
Résumé
Research primates may undergo surgical procedures making effective pain management essential to ensure good animal welfare and unbiased scientific data. Adequate pain mitigation is dependent on whether veterinarians, technicians, researchers, and caregivers can recognize and assess pain, as well as the availability of efficacious therapeutics. A survey was conducted to evaluate primate veterinary approaches to pain assessment and alleviation, as well as expressed challenges for adequately managing primate pain. The survey (n = 93 respondents) collected information regarding institutional policies and procedures for pain recognition, methods used for pain relief, and perceived levels of confidence in primate pain assessment. Results indicated that 71% (n = 60) of respondents worked at institutions that were without formal experimental pain assessment policies. Pain assessment methods were consistent across respondents with the majority evaluating pain based on changes in general activity levels (100%, n = 86) and food consumption (97%, n = 84). Self-reported confidence in recognizing and managing pain ranged from slightly confident to highly confident, and there was a commonly expressed concern about the lack of objective pain assessment tools and science-based evidence regarding therapeutic recommendations of analgesics for research primates. These opinions correspond with significant gaps in the primate pain management literature, including limited specific pharmacokinetic data and efficacy testing for commonly used analgesics in research primate species as well as limited research on objective and specific measures of pain in research primates. These results demonstrate that there are inconsistencies in institutional policies and procedures surrounding pain management in research primates and a lack of objective pain assessment methods. Demonstrating the gaps and challenges in primate pain management can inform guideline development and suggest areas for future research.
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 | 0,015 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».