Assessing the efficacy of a manual‐based intervention for improving the detection of facial pain expression
Notice bibliographique
Résumé
BACKGROUND: This article presents the results of a parallel-group, non-randomized, controlled study that evaluated the feasibility of an online training program for improving observer detection of facial pain expression. METHOD: Fifty-four undergraduate students attended two laboratory sessions interspersed by an intervention period where they were assigned to complete the Index of Facial Pain Expression (IFPE)-an online training environment designed to teach observers to code facial muscle movements associated with pain-or a no-contact control. Participants completed questionnaires during the first session and watched parallel versions of the Sensitivity to Expression of Pain (STEP) test during laboratory sessions. STEP tests contained excerpts of facial expressions taken from patients with shoulder pain. Reliability of coding following the IFPE was measured. Signal detection methods were applied to pain ratings to the STEP tests to calculate measures of sensitivity and response bias to facial pain expression. RESULTS: Participants took 3.5 hr to complete the IFPE. Training resulted in reliable coding of facial muscle movements associated with pain and improvements in sensitivity (from 0.75 to 0.87 in experimental relative to 0.75 to 0.80 in control), but not response bias, to facial expressions of clinical pain. Training was influenced by observer traits, including empathy, emotional intelligence (EI), and prior experience with individuals who experience chronic pain. CONCLUSIONS: The IFPE represents a brief measurement system for facial pain expression with research applicability and potential clinical utility. The IFPE could help clinicians be more sensitive to expressions of clinical pain. SIGNIFICANCE: The index of facial pain expression (IFPE) is an online training program that can improve an observer's ability to reliably detect expressions of clinical pain after as few as 3.5-hr of training.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».