Are both the sensory and the affective dimensions of pain encoded in the face?
Notice bibliographique
Résumé
The facial expression of pain plays a crucial role in pain communication and pain diagnostics. Despite its importance, it has remained unknown which dimensions of pain (sensory and/or affective) are encoded in the face. To answer this question, we used a well-established cognitive strategy (suggestions) to differentially modulate the sensory and affective dimensions of pain and investigate the effect of this manipulation on facial responses to experimental pain. Twenty-two subjects participated in the study. Their facial expressions, pain intensity, and unpleasantness ratings as well as skin conductance responses to tonic and phasic heat pain were assessed before and after suggestions directed toward increase in affective and sensory qualities of pain, respectively, were provided. Facial expressions were analyzed with the Facial Action Coding system. As expected, suggestions designed to increase the sensory dimension produced a selective increase in pain intensity ratings, whereas suggestions designed to increase pain affect produced increased unpleasantness ratings and elevated skin conductance responses. Furthermore, suggestions for either increased pain affect or pain sensation produced selective modulations in facial response patterns, with facial movements around the eyes mostly encoding sensory aspects, whereas movements of the eyebrows and of the upper lip were closely associated with the affective pain dimension. The facial expression of pain is a multidimensional response system that differentially encodes affective and sensory pain qualities. This differential encoding might have evolved to guarantee that the specific characteristics of one's pain experience are facially communicated, thereby ensuring adequate help and support from others.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».