Exploring the Role of Pictograms in the Comprehension of Pain
Notice bibliographique
Résumé
Introduction: Pain is both difficult to see and to articulate and this is challenging for both patients and clinicians. The aim of this study was to develop and test pictograms to describe different pain qualities. Methods: 22 pictograms were developed for evaluation based on pain qualities of the short form McGill Pain Questionnaire, version 2 (SF-MPQ-2). An online matching survey was conducted and disseminated via social media in 2021. Results: An overall matching of 66% or higher between pictogram and pain qualities descriptors was considered a proper matching. This study was carried out internationally (males = 57, age=41y.o. ±16; females = 155, age=41y.o.±17) and in Poland (males=49, age =35y.o.±17; females = 164, age=35y.o.±16). There were 14 pictograms that did not achieve 66% matching in any country. 8 pictograms mutually in all subgroups achieved a matching score of ≥66% regardless of geographic location, sex, income, or education level. Discussion and Conclusions: These 8 pictograms can be used clinically once they have been redrawn to improve consistency, and future research in the design of pictograms representing pain qualities of the SF-MPQ-2 should focus on design improvements for the remaining 14 pain qualities with poor comprehensibility.
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 | 0,111 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».