MétaCan
Menu
Retour à la cohorte
Enregistrement W2138656933 · doi:10.1016/s0304-3959(00)00430-9

Catastrophizing, depression and expectancies for pain and emotional distress

2001· article· en· W2138656933 sur OpenAlexafffund
Michael J. Sullivan, Wendy M. Rodgers, Irving Kirsch

Notice bibliographique

RevuePain · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiquePain Management and Placebo Effect
Établissements canadiensUniversity of AlbertaDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPain catastrophizingPsychologyDistressDepression (economics)Optimal distinctiveness theoryClinical psychologyPsychological interventionAnticipation (artificial intelligence)AnxietyEmotional distressChronic painPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

The present research addressed the relation between catastrophizing, depression and response expectancies in anticipation of an experimental pain procedure. One hundred and twenty undergraduates (48 men, 72 women) participated in exchange for course credit. Prior to immersing one arm in a container of ice water, participants were asked to complete measures of catastrophizing and depression, and to estimate the degree of pain and emotional distress they expected to experience. After a 1-min immersion, participants rated their actual experience. Pain expectancies partially mediated the relation between catastrophizing and pain experience. Pain expectancies also mediated the relation between depression and pain experience. Catastrophizing, but not depression, was associated with a tendency to underestimate pain and emotional distress. The implications of these findings for the conceptual distinctiveness of catastrophizing and depression are discussed. Discussion also examines the potential implications of the present findings for pain management interventions.

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)0,009
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,255
Écart entre enseignants0,233 · 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

Citations299
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePainMême sujetPain Management and Placebo EffectTravaux en français237 207