The Impact of Perceived Injustice on Pain-related Outcomes
Notice bibliographique
Résumé
OBJECTIVE: Perceived injustice (PI) has been identified as an important risk factor for pain-related outcomes. To date, research has shown that pain acceptance and anger are mediators of the association between PI and pain-related outcomes. However, a combined conceptual model that addresses the interrelationships between these variables is currently lacking. Therefore, the current study aimed to examine the potential mediating roles of pain acceptance and anger on the association between PI and adverse pain-related outcomes (physical function, pain intensity, opioid use status). MATERIALS AND METHOD: This cross-sectional study used a sample of 354 patients with chronic pain being treated at a tertiary pain treatment center. Participants completed measures of PI, pain acceptance, anger, physical function, pain intensity, and opioid use status. Mediation analyses were used to examine the impact of pain acceptance and anger on the association between PI and pain-related outcomes. RESULTS: Examination of the specific indirect effects revealed that pain acceptance fully mediated the relationship between PI and physical function, as well as the relationship between PI and opioid use status. Pain acceptance emerged as a partial mediator of the relationship between PI and pain intensity. DISCUSSION: This is the first study to provide a combined conceptual model investigating the mediating roles of pain acceptance and anger on the relationship between PI and pain outcomes. On the basis of our findings, low levels of pain acceptance associated with PI may help explain the association between PI and adverse pain outcomes. Clinical and theoretical implications 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 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 | 0,017 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».