Caregivers' attentional bias to pain
Notice bibliographique
Résumé
Attentional bias to pain among family caregivers of patients with pain may enhance the detection of pain behaviors in patients. However, both relatively high and low levels of attentional bias may increase disagreement between patients and caregivers in reporting pain behaviors. This study aims to provide further evidence for the presence of attentional bias to pain among family caregivers, to examine the association between caregivers' attentional bias to pain and detecting pain behaviors, and test whether caregivers' attentional bias to pain is curvilinearly related to patient and caregiver disagreement in reporting pain behaviors. The sample consisted of 96 caregivers, 94 patients with chronic pain, and 42 control participants. Caregivers and controls completed a dot-probe task assessing attention to painful and happy stimuli. Both patients and caregivers completed a checklist assessing patients' pain behavior. Although caregivers did not respond faster to pain congruent than pain incongruent trials, caregiver responses were slower in pain incongruent trials compared with happy incongruent trials. Caregivers showed more bias toward pain faces than happy faces, whereas control participants showed more bias toward happy faces than pain faces. Importantly, caregivers' attentional bias to pain was significantly positively associated with reporting pain behaviors in patients above and beyond pain severity. It is reassuring that attentional bias to pain was not related to disagreement between patients and caregivers in reporting pain behaviors. In other words, attentional bias does not seem to cause overestimation of pain signals.
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 | 0,006 |
| 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 ».