Methods for qualitative and quantitative analysis of pain and quality of life validated in Brazil: systematic review
Notice bibliographique
Résumé
ABSTRACT Objective: The need to quantify pain and quality of life (QoL) is essential for professionals considering their therapeutic approach. The goal of this review is to identify the methods to perform qualitative and quantitative analysis of pain and QoL validated in Brazil. Methods: Review by the LILACS, SciELO, MedLine and Google Scholar databases with the descriptors: methods, qualitative analysis, quantitative analysis, pain and quality of life. Inclusion criteria: articles published in Portuguese and in English in the period from 1996 to 2015. Exclusion criteria: incomplete texts, articles that did not address the subject of study and duplicate articles in the databases. Results: After applying the eligibility criteria, 27 articles were selected for reading, being that one article was excluded by presenting irrelevant result and another was excluded by duplication. From the 25 articles, one was published in 2015, three in 2014, one in 2013, three in 2012, five in 2011, two in 2010, three in 2009, four in 2008, two in 2004 and one in 1996. In relation to the studies, nine were clinical trials, 10 systematic reviews, five cross-sectional studies and one essay. Conclusion The most frequently methods applied are the VAS and the McGill’s Questionnaire, considering the multidimensional pain assessment. The most commonly used questionnaire to evaluate QoL is the SF-36. There is great difficulty to classify methods for assessing pain and QoL (qualitative or quantitative methods), since many authors report the same method when addressing the two interfaces.
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 | 0,126 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,031 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».