É possível medir a dor de nossos pacientes?
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
O objetivo desse estudo é descrever e discutir os principais instrumentos para avaliar a dor musculoesquelética crônica e seus sintomas e síndromes associadas. O tratamento de pacientes com dor crônica, independente da doença de base, impõe desafios inerentes à multidimensionalidade. Um dos principais é como aferir o resultado das intervenções. As formas mais comuns de medida são as escalas analógicas. São consideradas unidimensionais porque avaliam apenas a intensidade da dor sem levar em conta os demais aspectos clínicos. O uso de questionários com escalas multidimensionais tem a vantagem de captar não só a intensidade da dor, mas os demais fenômenos que a acompanham, o grau de incapacidade, aspectos emocionais e mesmo os impactos sociais e ocupacionais. Em relação aos instrumentos multidimensionais para avaliação da dor citamos o Inventário Breve de Dor 11 e o Questionário para Avaliação de Dor de McGill. Outros instrumentos multidimensionais incluem: Clinically Aligned Pain Assessment (CAPA)Tool, Defense and Veterans Pain Rating Scale, Geriatric Pain Measure, Pain Impact Questionnaire (PIQ-6), Pain Monitor and ShortForm-36 Bodily Pain Scale (SF-36 BPS). Quanto aos questionários mais específicos, existem o Questionário de Impacto da Fibromialgia14, Escala Fibromiálgica15 e o Inventário de Sensibilização Central. Entre os sintomas que mais frequentemente acompanham a dor crônica, a fadiga e o sono se destacam. Esses têm questionários específicos para sua medida, além de comporem os questionários mais genéricos. Concluindo, a busca por uma métrica para a dor crônica que seja simples e aplicável ainda está longe de ser alcançada.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.002 |
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 it