Using facial expressions to assess musculoskeletal pain in older persons
Notice bibliographique
Résumé
Past research examined measures of pain among seniors who were experiencing movement-related exacerbations of musculoskeletal pain and obtained clear support for the utility of the behavioural coding of pain-related body movements (e.g., bracing, guarding). Support for the utility of the Facial Action Coding System (FACS), which involves the objective coding of facial reactions, was not as strong. The findings concerning FACS could have been an artifact of the methodology that was used. Specifically, the duration of the facial reactions was not taken into account and the patients suffered from a variety of painful conditions. Thus, the physical activities involved in the study could have been painful for some patients but not for others. The present study corrected these methodological concerns by accounting for the duration of facial reactions and ensuring that all patients suffered from the same painful condition. Participants were 82 post-surgical (knee replacement) inpatients. Cognitive status was assessed using the Modified Mini Mental Status Examination. Under physiotherapist's supervision, the patients performed structured activities (i.e., reclining, standing, knee bends). Facial reactions were coded using FACS. Facial reactions varied as a function of the degree to which the various activities were strenuous. The results support the utility of FACS in the assessment of musculoskeletal pain among seniors undergoing rehabilitation following knee surgery.
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 | 0,003 |
| 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 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 ».