Sensorische und affektive Komponenten im Gebrauch vonSchmerzwörtern bei Patienten mit Angina Pectoris und koronarerHerzkrankheit oder Syndrom-X
Bibliographic record
Abstract
Zusammenfassung. Ziel: Untersuchung von Patienten mit Syndrom-X im Vergleich zu solchen mit koronarstenotisch bedingter Angina pectoris im Hinblick auf Unterschiede in verbal-inhaltlichen Aspekten der Schmerzbeschreibung. Methode: Einundsechzig Patienten mit Angina pectoris wurden untersucht, 32 davon mit Syndrom-X (Angina pectoris, abnorme Ergometrie und normale Koronarangiographie) und 29 mit koronarer Herzkrankheit (Angina Pectoris, abnorme Ergometrie, angiographisch dokumentierte koronare 1-3-Gefässerkrankung, kein vorgängiger Myokardinfarkt). Neben einem klinisch semi-strukturierten Interview werden dafür die Hamburger Schmerz Adjektiv Liste, die Schmerzempfindungsskala und die Berner Version des McGill Pain Questionnaire verwendet. Ergebnisse: Patienten mit Syndrom-X weisen bei sensorischen Adjektiven in der Hamburger Schmerz Adjektiv Liste und in der Schmerzempfindungsskala signifikant geringere Werte auf als solche mit koronare Herzkrankheit. Für die affektiven Adjektive gibt es lediglich signifikante Unterschiede in der Hamburger Schmerz Adjektiv Liste zwischen beiden Patientengruppen. Im McGill Pain Questionnaire erwiesen sich die Unterschiede zwischen den Gruppen sowie zwischen den Fragebögen als nicht signifikant. Schlußfolgerungen: Die Unterschiede in den Fragebogendaten erlauben zwar keine diagnostische Trennung der beiden Gruppen, zeigen jedoch eine höhere affektive Schmerzbewertung bei Angina pectoris mit koronarer Herzkrankheit.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".