MétaCan
Menu
Retour à la cohorte
Enregistrement W2587812568 · doi:10.1017/jrc.2015.13

Pain Coping Profiles in Workers’ Compensation Clients with Chronic Musculoskeletal Pain: A Cluster Analysis

2015· article· en· W2587812568 sur OpenAlexaboutno aff
Jennifer Sánchez, Jessica Brooks, Sandra Fitzgerald, David M. Strand, Aneta Leczycki, John Blake, Fong Chan, Gloria K. Lee

Notice bibliographique

RevueAustralian Journal of Rehabilitation Counselling · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoping (psychology)Multivariate analysis of varianceChronic painRehabilitationMusculoskeletal painClinical psychologyPsychologyMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

This study investigated pain coping profiles using the Coping Strategies Questionnaire-24 (CSQ-24) in a sample of 171 workers’ compensation clients with chronic musculoskeletal pain from Canada. Cluster analysis identified three distinct coping profiles: mixed coping, catastrophising, and positive coping. Multivariate analysis of variance (MANOVA) results revealed that the positive coping group had lower levels of activity interference and depression as well as higher levels of quality of life than the mixed coping and catastrophising groups. Study findings indicate clients with chronic musculoskeletal pain can be categorised according to pain coping strategies, and pain coping strategies used are related to rehabilitation outcomes. The implications of these pain coping profiles for rehabilitation counselling practice are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,051
Score d'incertitude au seuil0,756

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,300
Écart entre enseignants0,279 · 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 tête enseignante, 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Rehabilitation CounsellingMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207