Edmonton Classification System for Cancer Pain: Comparison of Pain Classification Features and Pain Intensity across Diverse Palliative Care Settings in Canada
Notice bibliographique
Résumé
Background: The goal of the Edmonton Classification System for Cancer Pain (ECS-CP) is to create an international classification system for cancer pain. Previous studies reinforce the need for standardized training to ensure consistency across assessors. There is no universally accepted classification for neuropathic pain. Objectives: Our primary objective was to describe the prevalence of ECS-CP features in a diverse sample of advanced cancer patients, using assessors with standardized training. The secondary objectives were to: (1) determine the prevalence of neuropathic pain using the Neuropathic Pain Special Interest Group (NeuPSIG) criteria and (2) examine the relationship between specific predictors: ECS-CP features, age, Palliative Performance Scale, Morphine Equivalent Daily Dose (MEDD), setting, and pain intensity; and neuropathic pain. Methods: A total of 1050 adult patients with advanced cancer were recruited from 11 Canadian sites. A clinician completed the ECS-CP and NeuPSIG criteria, and collected additional information including demographics and pain intensity (now). All assessors received standardized training. Results: Of 1050 evaluable patients, 910 (87%) had cancer pain: nociceptive ( n = 626; 68.8%); neuropathic ( n = 227; 24.9%); incident ( n = 329; 36.2%); psychological distress ( n = 209; 23%); addictive behavior ( n = 51; 5.6%); and normal cognition ( n = 639; 70.2%). The frequencies of ECS-CP features and pain intensity scores varied across sites and settings, with more acute settings having higher frequencies of complex pain features. The overall frequency of neuropathic pain was 24.9%, ranging from 11% (hospices) to 34.2% (palliative outpatient clinic) across settings. Multivariate logistic regression analysis revealed that age <60 years, MEDD ≥19 mg, pain intensity ≥7/10, and incident pain were significant independent predictors of neuropathic pain ( p < 0.05). Conclusion: The ECS-CP was able to detect salient pain features across settings. Furthermore, the frequencies of neuropathic pain utilizing the NeuPSIG criteria fits within the lower-end of literature estimates (13%–40%). Further research is warranted to validate the NeuPSIG criteria in cancer 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».