É possível medir a dor de nossos pacientes?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
O objetivo desse estudo é descrever e discutir os principais instrumentos para avaliar a dor musculoesquelética crônica e seus sintomas e síndromes associadas. O tratamento de pacientes com dor crônica, independente da doença de base, impõe desafios inerentes à multidimensionalidade. Um dos principais é como aferir o resultado das intervenções. As formas mais comuns de medida são as escalas analógicas. São consideradas unidimensionais porque avaliam apenas a intensidade da dor sem levar em conta os demais aspectos clínicos. O uso de questionários com escalas multidimensionais tem a vantagem de captar não só a intensidade da dor, mas os demais fenômenos que a acompanham, o grau de incapacidade, aspectos emocionais e mesmo os impactos sociais e ocupacionais. Em relação aos instrumentos multidimensionais para avaliação da dor citamos o Inventário Breve de Dor 11 e o Questionário para Avaliação de Dor de McGill. Outros instrumentos multidimensionais incluem: Clinically Aligned Pain Assessment (CAPA)Tool, Defense and Veterans Pain Rating Scale, Geriatric Pain Measure, Pain Impact Questionnaire (PIQ-6), Pain Monitor and ShortForm-36 Bodily Pain Scale (SF-36 BPS). Quanto aos questionários mais específicos, existem o Questionário de Impacto da Fibromialgia14, Escala Fibromiálgica15 e o Inventário de Sensibilização Central. Entre os sintomas que mais frequentemente acompanham a dor crônica, a fadiga e o sono se destacam. Esses têm questionários específicos para sua medida, além de comporem os questionários mais genéricos. Concluindo, a busca por uma métrica para a dor crônica que seja simples e aplicável ainda está longe de ser alcançada.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle