Characterizing individual differences in heat-pain sensitivity
Notice bibliographique
Résumé
Heat induced pain has been shown to follow a positively accelerating power function for groups of subjects, yet the extent to which this applies to individual subjects is unknown. Statistical methods were developed for assessing the goodness of fit and reliability of the power function for data from individual subjects with the aim of using such functions for characterizing individual differences in heat-pain sensitivity. 175 subjects rated ascending and random series of contact heat stimuli with visual analogue scales for pain intensity (VAS-I) and unpleasantness (VAS-A). Curve fitting showed excellent model fit. Substitution of model estimates in place of observed VAS scores produced minimal bias in group means, about 0.3 VAS units in the ascending series and 1.0 in the random series, on a 0-100 scale. Individual power function exponents were considerably higher for the ascending than for the random series and somewhat higher for VAS-A than for VAS-I (means: ascending VAS-I=9.04, VAS-A=9.80; random VAS-I=4.95, VAS-A=5.67). The reliability of VAS estimates was high (>==.93), and for the ascending series it remained so when extrapolating 4 degrees C beyond the empirical range. Exponent reliability was high for the ascending series (VAS-I=.92; VAS-A=.91), but considerably lower for the random series (VAS-I=.69; VAS-A=.71). Individual differences constituted 60% of the total variance in pain ratings, whereas stimulus temperature accounted for only 40%. This finding underscores the importance of taking individual differences into account when performing pain studies.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».