Pain-related Activity Patterns
Notice bibliographique
Résumé
OBJECTIVES: Changes in activity frequently occur as a consequence of ongoing pain. Three activity patterns commonly observed among individuals with ongoing pain are avoidance, overdoing, and pacing. We conducted 2 studies investigating these activity patterns, their interrelationships, and their associations with key psychosocial factors. Study 1 describes the development of a measure, the Patterns of Activity-Pain (POAM-P), to assess these activity patterns; Study 2 examines the psychosocial correlates of these activity patterns. METHODS: In study 1, a sample of 393 individuals with chronic pain responded to a pool of 51 items assessing activity as part of their pretreatment assessment. Item analyses were conducted to create a 30-item measure with 3, 10-item scales assessing avoidance, overdoing, and pacing. In study 2, a sample of 164 individuals attending a follow-up program 3 months after treatment completed the POAM-P along with measures of affect, pain control, and disability. RESULTS: scales demonstrated excellent internal consistency and correlations with other measures provided initial support for construct validity. Avoidance and overdoing were associated with negative psychosocial outcomes whereas pacing was associated with positive outcomes. In contrast to previous studies, pacing and avoidance were unrelated. DISCUSSION: The POAM-P has excellent psychometric properties and may be useful in clinical practice to identify activity patterns associated with poorer functioning and to evaluate interventions intended to modify these activity patterns. The present results support previous findings linking avoidance and various negative outcomes. These results also provide evidence that pacing may be related to positive outcomes after treatment.
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 | 0,023 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».