In clinical hand osteoarthritis research, self-reported pain questionnaires do not reflect the patient experience
Notice bibliographique
Résumé
Objective Pain in hand osteoarthritis (OA) is evaluated with repeated pain questionnaires. It is unclear whether these questionnaires adequately capture changes in pain recalled by patients. This study investigated whether changes on pain questionnaires (real-time evaluation) correspond to recalled pain. Methods Data from hand OA patients from the HOSTAS cohort (four one-yearly) and HOPE trial (one six-week interval) were used. Pain was measured with the Australian/Canadian hand Osteoarthritis Index (AUSCAN, range 0–20) and a recall question (how is the pain compared with your last visit). Changes in AUSCAN pain were categorized into improved (≤−1), stable or worsened pain (≥1) and compared with the recall question using Cohen’s kappa and percentage agreement. We determined concordance between measurement methods, and investigated associations of mental well-being and illness perceptions with concordance using generalized estimating equations (GEE). Results Of 708 intervals from HOSTAS (307 patients, 82% women, mean age 61.0 years, mean AUSCAN 9.1), AUSCAN changes and recall were concordant in 42% (Cohen’s kappa 0.13). There was concordance in 47% of 86 intervals (Cohen’s kappa 0.14) from the HOPE trial (86 patients, 80% women, mean age 63.5, mean AUSCAN 10.7). The most frequent recall answer was worsened pain in the HOSTAS (60%), improved pain in the HOPE trial (76%). In both studies, AUSCAN pain most frequently improved. Depression and anxiety showed no association with concordance. Conclusion Changes in repeatedly measured AUSCAN pain often differ from the recalled course of pain over the same period. This has profound implications for evaluating patient-reported pain in clinical trials.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».