Disability in migraine: Multicountry results from the Chronic Migraine Epidemiology and Outcomes – International (CaMEO-I) Study
Notice bibliographique
Résumé
BACKGROUND: Few studies of migraine have evaluated migraine disability across multiple countries using the same methodology. METHODS: This cross-sectional, web-based survey was conducted in 2021-2022 in Canada, France, Germany, Japan, UK and USA. Respondents with migraine were identified based on modified International Classification of Headache Disorders, 3rd edition, criteria. Headache features (Migraine Symptom Severity Score (MSSS, range: 0-21), presence of allodynia (Allodynia Symptom Checklist, ASC-12)) and migraine burden (Patient Health Questionnaire-4 (PHQ-4), Migraine-Specific Quality of Life questionnaire version 2.1 (MSQ v2.1), Work Productivity and Activity Impairment (WPAI) questionnaire) were evaluated. RESULTS: Among 14,492 respondents with migraine across countries, the mean ± SD MSSS was 15.4 ± 3.2 and 48.5% (7026/14,492) of respondents had allodynia based on ASC-12. Of all respondents living with migraine, 35.5% (5146/14,492) reported moderate to severe anxiety and/or depression symptoms. Mean ± SD MSQ v2.1 Role Function-Restrictive, Role Function-Preventive and Emotional Function domain scores were 60.7 ± 22.9, 71.5 ± 23.0 and 65.1 ± 27.2, respectively. The WPAI mean ± SD percentages of respondents who missed work or worked impaired as a result of migraine were 6.8 ± 18.1% and 41.0 ± 30.1%, respectively. CONCLUSIONS: For every country surveyed, migraine was associated with high levels of symptom severity, with allodynia and with substantial burden.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».