P02.147. Emotions matter: sustained reductions in chronic non-structural pain after a brief, manualized emotional processing program
Notice bibliographique
Résumé
An initial individual session was conducted by one of the authors (HS) to assess medical conditions and review life stressors and symptom progression in order to identify linkages between stressors and symptoms. The treatment program consisted of 4 weekly small group 2-hour sessions. Components included readings, writing about emotions, mindfulness and emotional awareness exercises (on CD), and other techniques to help people identify and process emotions related to stress and pain. Homework (e.g., writing, mindfulness exercises) was assigned daily. Patients were assessed at baseline by a research team and at post-treatment and 6-month follow-up. Included instruments were the Brief Pain Inventory (BPI) and the McGill Pain Questionnaire (MPQ). Fifty-nine adults with chronic musculoskeletal pain, primarily headaches, neck, back, and widespread pain (fibromyalgia), were included. Individuals with significant structural disease processes were excluded. Baseline demographics and characteristics were 76% women (mean age 51 years). 91% Caucasian, mean duration of pain 8.8 years, and baseline pain level 5.03 (0-10). Percent improvement was calculated for pain (% change from baseline BPI score). At post-treatment 64% had ≥ 30% improvement and 43% had ≥ 50% improvement; at 6-months 67% had ≥ 30% improvement and 53% had ≥ 50% improvement. Mean BPI scores were 5.38, 3.04, and 3.03 (p< 0.001, d=-1.27), respectively. The MPQ showed similar reductions. This high rate of improvement may surpass that of cognitive-behavioral interventions for chronic pain. An approach focusing on confronting emotional contributions to pain appears beneficial. Studies with control groups are underway to determine if targeting unresolved stress and emotions offers an advance in the treatment of chronic non-structural pain.
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 | 0,000 | 0,000 |
| 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) | 0,061 | 0,003 |
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 ».