Health care providers' judgments in chronic pain: the influence of gender and trustworthiness
Notice bibliographique
Résumé
Estimates of patients' pain, and judgments of their pain expression, are affected by characteristics of the observer and of the patient. In this study, we investigated the impact of high or low trustworthiness, a rapid and automatic decision made about another, and of gender and depression history on judgments made by pain clinicians and by medical students. Judges viewed a video of a patient in pain presented with a brief history and rated his or her pain, and the likelihood that it was being exaggerated, minimized, or hidden. Judges also recommended various medical and treatment options. Contrary to expectations, trustworthiness had no main effect on pain estimates or judgments, but interacted with gender producing pervasive bias. Women, particularly those rated of low trustworthiness, were estimated to have less pain and to be more likely to exaggerate it. Unexpectedly, judgments of exaggeration and pain estimates were independent. Consistent with those judgments, men were more likely to be recommended analgesics, and women to be recommended psychological treatment. Effects of depression history were inconsistent and hard to interpret. Contrary to expectations, clinicians' pain estimates were higher than medical students', and indicated less scepticism. Empathy was unrelated to these judgments. Trustworthiness merits further exploration in healthcare providers' judgments of pain authenticity and how it interacts with other characteristics of patients. Furthermore, systematic disadvantage to women showing pain is of serious concern in healthcare settings.
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 | 0,018 | 0,147 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».