Strategic and Automatic Threat Processing in Chronic Musculoskeletal Pain: A Startle Probe Investigation
Notice bibliographique
Résumé
Attentional bias research with chronic pain samples has yielded conflicting results. In the present investigation the startle paradigm was used to test the postulate that fear-based mechanisms play an important role in attentional biases for pain-related threat in chronic pain. Participants, including 31 individuals with chronic musculoskeletal pain and 20 healthy controls, completed a startle task designed to measure attention to different types of words (neutral vs sensory pain vs affective pain vs health catastrophe) presented at different levels of cognitive processing (strategic vs automatic). Measures of fear-based individual difference variables, including anxiety sensitivity and fear of pain, were also completed. Startle amplitudes and latencies to acoustic startle probes that followed word presentations were recorded. Data were analyzed with repeated measures ANOVAs and correlational analysis. Significant between-group differences were found indicating that, relative to chronic pain participants, healthy controls had higher startle amplitude index scores for health catastrophe words. There was also a trend among patients with chronic pain for greater startle amplitude index scores for strategic presentations of sensory pain words. In the automatic condition, all participants demonstrated a lower startle latency index for sensory words relative to both affect and health catastrophe words, suggesting participants had more difficulty disengaging from affect and health catastrophe words or were more avoidant of sensory words. Correlational analyses indicated that startle response indices for words related to health catastrophe became more pronounced for chronic pain patients as anxiety sensitivity and fear of pain increased. Implications and directions for future research are discussed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».