Recall bias, pain, depression and cost in back pain patients
Notice bibliographique
Résumé
OBJECTIVES: To investigate the relationship between recall bias for pain stimuli in chronic low back pain patients and the cost of managing their back pain in primary care. DESIGN: A retrospective cross-sectional investigation. METHOD: A sample of 63 low back pain patients were interviewed in a primary care setting. Information was gathered on their pain intensity, disability ratings, depression, anxiety, and duration of pain. They were also presented with a surprise recall test for pain descriptors. The cost of each patient's treatment specifically for back pain in the previous 12 months was calculated. The relationship between the cost of back pain treatment and the scores from the interview were calculated first for total cost, and then for the breakdown of individual cost items. RESULTS: Results indicated that recall bias for pain stimuli were significantly related to total cost (R2 = 8%). A detailed analysis revealed that pain intensity was related to the number of appointments with the general practitioners; depression scores related to the number of appointments with the in-house osteopaths; and recall bias for pain stimuli related to referrals to external experts (out-patients). A minority of patients high on recall bias was found to account for a disproportionate amount of the cost. CONCLUSION: Although no causal path can be deduced from the findings, the study provides a novel approach to measuring psychological factors in back pain in reference to health care utilization. It is limited by its retrospective design, and should be followed by prospective studies to understand fully the relationship between cognitive bias and utilization of health services.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».