MétaCan
Menu
Retour à la cohorte
Enregistrement W2025629037 · doi:10.1080/08870446.2014.991735

Self-conscious emotions in patients suffering from chronic musculoskeletal pain: A brief report

2014· article· en· W2025629037 sur OpenAlexfundaboutno aff
Julie M. Turner‐Cobb, Mariana Michalaki, Michael J. Osborn

Notice bibliographique

RevuePsychology and Health · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueEmotions and Moral Behavior
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésPsychologyChronic painPsychotherapistMusculoskeletal painClinical psychologyPsychiatryPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The role of self-conscious emotions (SCEs) including shame, guilt, humiliation and embarrassment are of increasing interest within health. Yet, little is known about SCEs in the experience of chronic pain. This study explored prevalence and experience of SCEs in chronic pain patients compared to controls and assessed the relationship between SCEs and disability in pain patients. DESIGN AND MEASURES: Questionnaire assessment comparing musculoskeletal pain patients (n=64) and pain-free control participants (n=63). Pain was assessed using the McGill Pain Questionnaire; disability, using the Roland-Morris Disability Questionnaire; and six SCEs derived from three measures (i) Test of Self-Conscious Affect-3 yielding subscales of shame, guilt, externalisation and detachment (ii) The Brief Fear of Negative Evaluation Scale and (iii) The Pain Self-Perception Scale assessing mental defeat. RESULTS: Significantly greater levels of shame, guilt, fear of negative evaluation and mental defeat were observed in chronic pain patients compared to controls. In the pain group, SCE variables significantly predicted affective pain intensity; only mental defeat was significantly related to disability. CONCLUSION: Findings highlight the prevalence of negative SCEs and their importance in assessment and management of chronic pain. The role of mood in this relationship is yet to be explored.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,371
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychology and HealthMême sujetEmotions and Moral BehaviorTravaux en français237 207