Different Scale, Different Pain? Discordant Pain Measurements After Surgery for Trigeminal Neuralgia
Notice bibliographique
Résumé
OBJECTIVE: Trigeminal neuralgia (TN) has been described as one of the worst pains known to humankind. However, pain severity in TN has been measured using several different scales, resulting in difficulty comparing illness burden and response to TN surgery across studies. We examined the degree of concordance between standardized scales evaluating pain severity in a cohort of patients undergoing surgery for TN. METHODS: In this cross-sectional study, we evaluated 39 surgical TN patients with 3 pain measurement instruments: a Visual Analog Pain Scale, the Brief Pain Inventory-Facial (BPI-F) Pain, and the Barrow Neurological Institute (BNI) Pain Intensity Score. Scores were transformed into a 0-10 scale, and grouped into 5 severity categories (none, mild, moderate, severe, and worst). Discordant patients were those classified in different severity categories by at least 2 pain measurement instruments. Level of agreement was assessed with the intraclass correlation coefficient. RESULTS: Almost 50% of patients (18/39) had at least 1 categorical discordance when comparing all 3 scores. We found 30% discordance between visual analog scale (VAS) and BPI-F, 33% discordance between BPI-F and BNI, and 35% discordance between VAS and BNI. The highest degree of discordance between BNI and either VAS or BPI-F occurred in patients with moderate pain (BNI IIIb). The degree of agreement across all 3 scores was moderate (intraclass correlation coefficient = 0.72). CONCLUSIONS: TN patients with residual mild-moderate pain after surgery are often discordantly classified by different pain measurement scales. These findings argue for a more standardized method of reporting postoperative pain outcomes in the TN literature.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».