Notice bibliographique
Résumé
fort to study interindividual factors such as sex, age, and culture as they relate to pain. That is done for a number of reasons: an understanding of predispositions to pain, the features that maintain it, and suggestions for tailored treatments. The literature on sex and gender differences, for example, is quite sizeable now. Investigators have made considerable progress in considering the role of biological sex or gender identity in influencing the prevalence of pain conditions, the response to treatment, and the mechanisms used to cope with challenging pain syndromes. Typically, the majority of pain patients for many disorders is female (Berkley, 1997; LeResche, 1997; Unruh, 1996). This includes such conditions as headache, rheumatoid arthritis, fibromyalgia, irritable bowel disorder, and temporomandibular disorder. The data on prevalence have been supplemented (Fillingim, 2000; Mogil, Chesler, Wilson, Juraska, & Sternberg, 2000; Riley, Robinson, Wise, Myers, & Fillingim, 1998; Rollman & Lautenbacher, 2001) by research on biological, psychological, and sociocultural factors with the goal of understanding the underlying mechanisms, reducing the incidence of the problems, and improving the treatment of acute and chronic pain. We know, for example, that certain opioid drugs are more potent in males than in females (Craft & Bernal, 2001), that women have a moderate to large increase in sensitivity to experimentally-induced pain compared to men (Riley et al., 1998), that women are more likely than men to suffer from many forms of clinical pain C H A P T E R
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».