Understanding the Feline Grimace Scale: A study of dimensional structure, importance of each action unit and variables affecting assessment
Notice bibliographique
Résumé
The Feline Grimace Scale (FGS) is a facial expression-based scoring system for acute pain assessment in cats. This study aimed to investigate the dimensionality, importance of each action unit (AU), and variables affecting pain assessment using the FGS. One hundred images of cat faces were scored using the FGS by five veterinarians and five veterinary students. Cats were classified as painful or pain-free, whether the cut-off for analgesia was reached during real-time assessment. Scale dimensionality was studied using principal component analysis and Horn's parallel analysis. Item-total correlation investigated correlations between each AU and total FGS scores. Linear mixed models assessed responsiveness for each AU and variables influencing scores (age, gender, pain, and group). AUs had loading values ≥ 0.6, demonstrating an association for each AU with the first principal component of the PCA. All AUs and the FGS total ratio scores were increased in painful versus pain-free cats (p < 0.001). Female raters gave higher FGS scores than male raters (p = 0.02). Muzzle tension was the only AU with sensitivity below 70 %, whereas whiskers change was the only AU with specificity below 70 %. Similarly, whiskers change and muzzle tension had the lowest area under the curve values and Youden index. The FGS is a unidimensional scale, with total scores influenced by the rater's gender and pain. FGS demonstrated strong consistency and a high correlation between the AUs and total scores. However, muzzle tension and whiskers change are less discriminative than other AUs.
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 | 0,000 | 0,000 |
| 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 ».