FINDINGS AFTER EXPERIENCE WITH AN ONLINE RESOURCE FOR RESEARCHERS WORKING IN CHRONIC PAIN
Notice bibliographique
Résumé
Background and aim u2022tThere is a broad spectrum of chronic pain conditions, many with a high disease burden and no adequate standard of care.u2022tThe aim of this initiative is to provide a comprehensive and single point of reference for those chronic pain conditions with the highest burden of disease and unmet medical needs, to increase knowledge and encourage cross-team working.Methodsu2022tSearch strings were conducted using the most relevant publication data bases: Pubmed, Google Scholar and Embaseu2022tStructured interviews were conducted with more than 50 physicians across 7 European countries.u2022tIndications were selected as those with a high burden of disease and (perceived) knowledge limitation indexu2019.u2022tThe McGill pain score was utilised in an analysis of the selected conditions; where this was not available, correlation between McGill and NRS scores were estimated. Resultsu2022tMore than 500 conditions with pain as a key feature were identified, but only a few selected for different reasonsot80 pain indications were placed for development into presentation modules following a standard format, including pathophysiology, clinical presentation, therapy, targets under research, unmet needsu2026Conclusionsu2022tA high disease burden and unmet needs are apparent across many chronic pain conditions.u2022tDifferences but also, similarities have shown evident in different pain indications.u2022tA strategy is being implemented to try to find the biological basis for those findingsu2022tThe comprehensive repository is available online to pain researchers willing to join efforts to this initiative
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».