Emotional faces alter pain perception
Notice bibliographique
Résumé
Abstract Background Although emotional faces might be particularly suited for the investigation of emotional pain modulation, they have thus far rarely been used. In particular, previous studies using emotional faces for pain modulation did not assess modulation of mood, did not differentiate pain intensity and unpleasantness, and did not investigate the interaction with attentional state. Here, we assessed how viewing emotional faces impacts the perceived intensity and unpleasantness of experimentally induced pain as well as subjects' mood. Methods Healthy subjects viewed sad, happy or neutral faces, and short painful thermal stimuli were simultaneously applied to the volar forearm. Subjects provided ratings of pain intensity, pain unpleasantness and mood after blocks consisting of eight pairs of thermal stimuli and eight pairs of faces. Each subject viewed six blocks in total (two of each emotion). Perceptual discrimination tasks ensured that subjects either focused on the pain or on the emotional faces. Results Subjects reported higher pain unpleasantness and higher pain intensity as well as worse mood when they viewed blocks of sad faces compared with blocks of happy or neutral faces. Changes in mood correlated with modulation of pain intensity, but not unpleasantness. No interaction was observed between emotional pain modulation and attentional state. Conclusions These results provide evidence that viewing emotional faces modulates perceived pain intensity and unpleasantness and that this pain modulation is related to mood changes, at least for intensity. Faces might be a reliable and socially relevant tool to study the impact of discrete emotions on pain perception.
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 | 0,029 | 0,004 |
| 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) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».