A fájdalom intenzitását mérő skálák összehasonlítása ágyéki gerincfájdalommal élők körében
Notice bibliographique
Résumé
Background and purpose: Pain intensity is the most frequently assessed health domain in clinical studies among patients with low-back pain. Visual analogue scale (VAS) and Numeric rating scale (NRS) have been the mostly used measurement tools for pain intensity. We proposed to correlate these instruments to a generic health-related quality of life measurement tool in order to show the scale with superior clinical relevance. . Methods: We used cross-sectional, convenience sampling. 120 patients with chronic low-back pain administered the 29-item Patient Reported Outcomes Measurement Information System Profile with NRS included, and the VAS scale in the National Institute of Mental Health, Neurology and Neurosurgery. We determined the correlation between PROMIS domain T-scores and VAS and NRS scores. . Results: We performed Spearman rank correlation test to calculate the correlation coefficient. We found VAS scales measuring pain had weak to moderate correlations with all PROMIS health domains (r = 0.24–0.55). Therefore, we compared correlation of PROMIS domain scores with PROMIS pain intensity numeric rating scale and VAS scales. PROMIS domains had moderate to strong correlations with pain intensity scale (r = 0.45–0.71). PROMIS physical function short form [r = –0.65, 95% CI (–0.75) – (–0.55)] and PROMIS pain interference short form (r = 0.71, 95% CI 0.63 – 0.79) had the strongest correlation with pain intensity item. . Conclusion: NRS has showed greater correlation with PROMIS domain T-scores than VAS scale. This may prove that NRS has greater connection to another health domains, thus it correlated more to health-related quality of life than visual scale. We recommend NRS to use in further clinical studies conducted among patients with low-back pain. .
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,008 |
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 ».