The use of abstract animations and a graphical body image for assessing pain outcomes among adults with sickle cell disease
Notice bibliographique
Résumé
Painimation, a novel digital pain assessment tool, allows patients to communicate their pain quality, intensity, and location using abstract animations (painimations) and a paintable body image. This study determined the construct validity of painimations and body image measures by testing correlations with validated pain outcomes in adults with sickle cell disease (SCD). Analyses used baseline data from a multisite randomized trial of 359 adults with SCD and chronic pain. Participants completed questionnaires on demographics, pain severity, frequency and interference, catastrophizing, opioid use, mood and quality of life, plus the Painimation app. Participants were categorized by selected painimations, and were split into groups based on the proportion of painted body image. Potential confounding was evaluated by age, gender, race, education, disability, site, depression, and anxiety. The 'shooting' painimation was strongly associated with daily pain intensity, pain interference, frequency, and severity. 'Electrifying' was associated with daily pain and opioid misuse, while greater body area in pain correlated with worse outcomes across all pain measures. Both painimations and body image measures correlated with validated pain outcomes, quality of life and mental health measures. This demonstrates animations and body image data can assess SCD pain severity, potentially with more accuracy than a 0-10 scale. Future research will explore whether Painimation can differentiate biological and psychosocial pain components. PERSPECTIVE: This article presents the preliminary construct validity of Painimation in SCD by examining the associations of "painimations" and body area image data with daily e-diary and traditional self-report pain outcomes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».