CONSISTENCY AND VARIABILITY IN EXPERIMENTAL HEAT PAIN RESPONSES OVER TIME
Notice bibliographique
Résumé
Longitudinal and interventional pain studies require reliable outcome measures. Self-reported pain intensity and phasic heat pain (PHP) unpleasantness are widely used gold-standard measures. Secondary hyperalgesia area elicited by PHP is increasingly used as an outcome measure in experimental pain studies. However, the test-retest reliability and stability of these measures across multiple sessions remain unclear. Twenty-four healthy participants (12 males, 12 females) attended three sessions, each including a familiarization procedure and a PHP calibrated to 50/100 pain intensity. Pain intensity ratings, pain unpleasantness ratings, and the area of secondary hyperalgesia were recorded after PHP. Intraclass correlation coefficients (ICC) indicated good reliability for pain intensity (ICC = 0.755) and secondary hyperalgesia (ICC = 0.840), and moderate reliability for pain unpleasantness (ICC = 0.636). Repeated-measures ANOVA revealed low stability for self-reported pain intensity and unpleasantness across sessions (ps < 0.005), whereas secondary hyperalgesia showed high stability (p = 0.296) supported by Bayesian analysis (BF01 = 3.36). Validation in an independent dataset confirmed moderate reliability for PHP pain intensity (ICC = 0.718). These findings suggest that while all PHP outcome measures show moderate-to-good reliability, only secondary hyperalgesia area remains stable across sessions, highlighting its potential as a robust measure in longitudinal and interventional pain research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».