Developing consensus on core outcome sets of domains for acute, the transition from acute to chronic, recurrent/episodic, and chronic pain: results of the INTEGRATE-pain Delphi process
Notice bibliographique
Résumé
Background: Pain is the leading cause of disability worldwide among adults and effective treatment options remain elusive. Data harmonization efforts, such as through core outcome sets (COS), could improve care by highlighting cross-cutting pain mechanisms and treatments. Existing pain-related COS often focus on specific conditions, which can hamper data harmonization across various pain states. Methods: to measure) that transcend pain conditions within different pain categories. We hosted a meeting to assess the need for these four COS in pain research and clinical practice. Potential COS domains/subdomains were identified via a systematic literature review (SLR), meeting attendees, and Delphi participants. We conducted an online, three step Delphi process to reach a consensus on domains to be included in the four final COS. Survey respondents were identified from the SLR and pain-related social networks, including multidisciplinary health care professionals, researchers, and people with lived experience (PWLE) of pain. Advisory boards consisting of COS experts and PWLE provided advice throughout the process. Findings: Domains in final COS were generally related to aspects of pain, quality of life, and physical function/activity limitations, with some differences among pain categories. This effort was the first to generate four separate, overarching COS to encourage international data harmonization within and across different pain categories. Interpretation: The adoption of the COS in research and clinical practice will facilitate comparisons and data integration around the world and across pain studies to optimize resources, expedite therapeutic discovery, and improve pain care. Funding: Innovative Medicines Initiative 2 Join Undertaking; European Union Horizon 2020 research innovation program, European Federation of Pharmaceutical Industries and Associations (EFPIA) provided funding for IMI-PainCare. RDT acknowledges grants from Esteve and TEVA.
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 | 0,446 | 0,431 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,026 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».