Development and validation of a cynomolgus macaque grimace scale for acute pain assessment
Notice bibliographique
Résumé
Abstract Cynomolgus macaques may undergo surgical procedures for scientific and veterinary purposes. Recognition and assessment of pain using validated tools is a necessary first step for adequately managing pain in these primates. Grimace scales are one means of assessing the occurance of acute pain using action units such as facial expressions and posture. The aim of this study was to create and validate a Cynomolgus Macaque Grimace Scale (CMGS). Cynomolgus macaques (n = 43) were video recorded before and after a surgical procedure. Images were extracted from videos at timepoints at which breakthrough pain might be expected based on analgesic pharmacokinetics. Using the CMGS images were scored by 12 observers blinded to animal identification, times, and conditions. To validate the tool, detailed behavioral analyses emphasizing changes to baseline activity ethograms were compared to grimace scores. Four action units were identified related to potential pain including orbital tightening, brow lowering, cheek tightening, and hunched posture. The CMGS tool was found to have moderate inter- (ICC average action unit mean ± SD: 0.67 ± 0.28) and good intra- (ICC single mean ± SD: 0.79 ± 0.14) observer reliability. Grimace scores increased significantly (p < 0.0001) in the first four post-operative timepoints compared to baseline, correlating with behavioral findings (rho range = 0.22–0.35, p < 0.001). An analgesic intervention threshold was determined and should be considered when providing additional pain relief. The CMGS was shown to be a reliable and valid tool; however, more research is needed to confirm external validity. This tool will be highly valuable for refining analgesic protocols and acute peri-procedural care for cynomolgus macaques.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».