Caregiver accuracy in detecting deception in facial expressions of pain in children
Notice bibliographique
Résumé
Facial expressions provide a primary source of inference about a child's pain. Although facial expressions typically appear spontaneous, children have some capacity to fake or suppress displays of pain, thereby potentially misleading caregiver judgments. The present study was designed to compare accuracy of different groups of caregivers in detecting deception in children's facial expressions of pain when voluntarily controlled. Caregivers (15 pediatricians, 15 pediatric nurses, and 15 parents) viewed 48 video clips of children, 12 in each of 4 conditions (genuine pain, faked pain, suppressed pain, neutral baseline), and judged which condition was apparent to them. A 3 (group: pediatrician vs pediatric nurse vs parent)×4 (condition: genuine vs faked vs suppressed vs neutral) mixed analysis of variance (ANOVA) of judgment accuracies revealed a significant main effect of group, with nurses demonstrating higher overall accuracy scores than parents, and pediatricians not differing from either group. As well, all caregivers, regardless of group, demonstrated the lowest accuracy when viewing the genuine condition, relative to the faked and suppressed conditions, with accuracy for the neutral condition not differing significantly from the other conditions. Overall, caregivers were more successful at identifying faked and suppressed than genuine expressions of pain in children, and pediatric nurses fared better overall in judgment accuracy than parents.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».