The sensitivity and specificity of using the McGill pain subscale for diagnosing neuropathic and non-neuropathic chronic pain in the total joint arthroplasty population
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to describe the diagnostic performance of the Neuropathic Pain Subscale of McGill [NP-MPQ (SF-2)] and the Self-Administered Leeds Assessment of Neuropathic Symptoms and Signs (S-LANSS) questionnaire in differentiating people with neuropathic chronic pain post total joint arthroplasty (TJA). METHODS: This study was a survey of a cohort of individuals who had undergone primary, unilateral total knee, or hip joint arthroplasty. The questionnaires were administered by mail. The time interval from operation to the completion of the postal survey varied from 1.5 to 3.5 years post-surgery. Receiver Operating Characteristic (ROC) analysis was used to assess the overall diagnostic power and determine the optimal threshold value of the NP-MPQ (SF-2) in identification of neuropathic pain. RESULTS: S-LANSS identified 19 subjects (28%) as having neuropathic pain (NP), while NP-MPQ (SF-2) subscale identified 29 (43%). When using the S-LANSS as the reference standard, a Receiver Operating Characteristic (ROC) analysis for NP-MPQ (SF-2) had an area under the curve of 0.89 (95% CI: 0.82, 0.97); a cut off score of 0.91 NP-MPQ (SF-2) maximized sensitivity (89.5%) and specificity (75.0%). Correlation between the measures was moderate (r = 0.56; 95% CI: 0.40, 0.68). CONCLUSION: These finding suggest some conceptual overlap but some variability in diagnosis of NP which may relate to scale-tapping into different dimensions of the pain experience, or the different scoring metrics.
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 | 0,002 | 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 ».