Patterns of pain-related activity: replicability, treatment-related changes, and relationship to functioning
Notice bibliographique
Résumé
Changes in activity patterns frequently accompany the experience of chronic pain. Two activity patterns, avoidance and overdoing, are hypothesized to contribute to the development of ongoing pain and pain-related disability, while activity pacing is frequently introduced to enhance pain management and functioning. Two studies were conducted to assess whether reliable subgroups with differing activity patterns could be identified in different pain populations and to evaluate changes in these subgroups after a group format, pain management program. In study 1, individuals with ongoing pain being assessed for treatment at 2 different tertiary care pain centres completed a measure of pain-related activity. Separate cluster analyses of these samples produced highly similar cluster solutions. For each sample, a 2-cluster solution was obtained with clusters corresponding to the activity patterns described by the avoidance-endurance model of pain. In study 2, a subset of individuals completing a 12-session, group format, pain management program completed measures of pain-related activity, pain intensity, and physical and psychological functioning at the beginning and end of the program. At the conclusion of the program, 4 clusters of pain-related activity were identified. Individuals who used high levels of activity pacing and low levels of avoidance consistently reported significantly better functioning relative to all other individuals. Observed changes in activity patterns from pre-treatment to post-treatment suggested that decreasing the association between activity pacing and avoidance was associated with better functioning. These results have implications for both the assessment of activity pacing and for its use as an intervention in the management of ongoing pain.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».