Uncontrolled pain: a call for better study design
Notice bibliographique
Résumé
Studies assessing animal pain in veterinary research are often performed primarily for the benefit of animals. Frequently, the goal of these studies is to determine whether the analgesic effect of a novel treatment is clinically meaningful, and therefore has the capacity to improve the welfare of treated animals. To determine the treatment effect of a potential analgesic, control groups are necessary to allow comparison. There are negative control groups (where pain is unattenuated) and positive control groups (where pain is attenuated). Arising out of animal welfare concerns, there is growing reluctance to use negative control groups in pain studies. But for studies where pain is experimentally induced, the absence of a negative control group removes the opportunity to demonstrate that the study methods could differentiate a positive control intervention from doing nothing at all. For studies that are controlled by a single comparison group, the capacity to distinguish treatment effects from experimental noise is more difficult; especially considering that pain studies often involve small sample sizes, small and variable treatment effects, systematic error and use pain assessment measures that are unreliable. Due to these limitations, and with a focus on farm animals, we argue that many pain studies would be enhanced by the simultaneous inclusion of positive and negative control groups. This would help provide study-specific definitions of pain and pain attenuation, thereby permitting more reliable estimates of treatment effects. Adoption of our suggested refinements could improve animal welfare outcomes for millions of animals globally.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».