Application of PainDETECT in pediatric chronic pain: how well does it identify neuropathic pain and its characteristics?
Notice bibliographique
Résumé
Abstract Introduction: Neuropathic pain (NP) arises from nerve damage or disease, and when not defined, it can impair function and quality of life. Early detection allows for interventions that can enhance outcomes. Diagnosis of NP can be difficult if not properly evaluated. PainDETECT is a NP screening tool developed and successfully used in adults. Objectives: We evaluated the validity of painDETECT in a pediatric population. Methods: Adolescents and young adults (10–19 years old) completed painDETECT and quantitative sensory testing (QST), which assessed mechanical allodynia and hyperalgesia, common symptoms of NP. Pain diagnoses, including neuropathic pain (n = 10), were collected through documentation in the medical chart. Descriptive statistics were used to examine age, gender, pain diagnoses, and painDETECT scores. Kruskal–Wallis H tests were conducted to examine differences in QST results across painDETECT categorizations. Results: Youth with chronic pain (N = 110, Mage = 15.08 ± 2.4 years, Nfemale = 88) and peers without pain (N = 55, Mage = 15.84 ± 3.9 years, Nfemale = 39) completed the painDETECT. The painDETECT scores for youth with pain (M = 12.7 ± 6.76) were significantly higher than those for peers without pain (M = 2.05 ± 2.41). PainDETECT demonstrated 80% sensitivity and 33% specificity in a pediatric population. Individuals who screened positively on the PainDETECT had significantly higher mechanical allodynia (M = 0.640 ± 0.994) compared with those who screened negatively (M = 0.186 ± 0.499; P = 0.016). Conclusion: PainDETECT demonstrated the ability to screen for NP, and QST mechanical allodynia results were consistent with a positive NP screen. Results of the study offer preliminary support for the ongoing assessment of the painDETECT as a brief, inexpensive, and simple-to-use screening tool for pediatric patients with primary pain complaints.
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 | 0,010 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».