Can cat caregivers reliably assess acute pain in cats using the Feline Grimace Scale? A large bilingual global survey
Notice bibliographique
Résumé
Objectives This study aimed to investigate if cat caregivers could reliably assess acute pain using the Feline Grimace Scale (FGS), and if participant demographics could affect scores. Methods An online survey in English and Spanish was advertised by International Cat Care and other platforms (March–May 2021) using convenience sampling. Eligible participants were caregivers >18 years old and non-veterinary health professionals. Participants and a group of eight veterinarians scored 10 images of cats with different levels of pain. Data were analysed using linear models and intraclass correlation coefficient (ICC; α <0.05). Interpretation of the ICC was <0.2 = poor; 0.21–0.4 = reasonable; 0.41–0.60 = moderate; 0.61–0.80 = good; and 0.81–1.0 = very good. Results A total of 3039 responses were received with 1262 completed answers from 66 countries (86%, 11.1% and 2.9% identified as female, male or other, respectively). Scores for each action unit (AU; ear position, orbital tightening, muzzle tension, whiskers change and head position) and their sum (FGS score) were not significantly different between caregivers and veterinarians, except for muzzle (caregivers 0.9 ± 0.0; veterinarians 0.7 ± 0.1; P = 0.035). The ICC single (caregivers) was 0.65, 0.69, 0.58, 0.37, 0.38 and 0.65, respectively, for AU ears, eyes, muzzle, whiskers, head and sum of scores. Demographic variables did not affect FGS scores. Conclusions and relevance Total FGS scores had good reliability when used by cat caregivers, regardless of demographic variables, showing the potential applicability of the instrument to improve feline pain management and welfare worldwide.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».