Pain-related Fear- From Different Fear Constructs to Dissociable Neural Sources
Notice bibliographique
Résumé
The ability to infer emotional states through self-reports is often limited. Their measurement becomes even more challenging when considering emotional phenomena such as pain-related fear where different associated fear constructs have been proposed. Demonstrating significant predictive value regarding disability in patients with persistent musculoskeletal pain, pain-related fear is often assessed by questionnaires focusing on either fear of movement/(re)injury/kinesiophobia, fear avoidance beliefs or pain anxiety. Furthermore, the relationship of general anxiety measures such as trait anxiety to pain-related fear remains ambiguous. Advances in neuroimaging might help to support potential commonalities or differences across psychological constructs using appropriate machine learning techniques with the ability to reveal predictive relationships between neural information and questionnaire scores. Here, we applied a pattern regression approach using functional magnetic resonance imaging data of 20 non-specific chronic low back pain (LBP) patients. More specifically, we applied a novel approach using Multiple Kernel Learning that allows investigating the contribution of experimental conditions and regional neural information to a prediction model. We hypothesized to find evidence for or against a common fear construct by computing and comparing the prediction model of each questionnaire according to the contribution of fear-related neural information and conditions. The current results underpin the diversity of fear constructs among self-report measures of pain-related fear by demonstrating evidence of non-overlapping and differentially contributing neural sources within fear processing regions. Thus, the current approach might ultimately help to further understand and dissect the fear constructs captured by the various pain-related fear questionnaires.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».