Predicting the Intensity of Pain in Patients With Chronic Pain Based on Alexithymia: The Mediating Role of the Behavioral Inhibition System
Notice bibliographique
Résumé
ObjectivesThis study aimed to predict the intensity of pain based on the amount of alexithymia in patients with chronic pain, and in this relationship, the behavioral inhibition system has a mediating role.Methods The present study has a correlational design and carried out with a structural equation modeling approach.The statistical population comprised all 20-60 years old patients with chronic pain who had referred to Mahan Clinic and the physical medicine and rehabilitation clinic of Arman in Tehran, from spring to autumn of 2017.Of them, 488 patients who had experienced the musculoskeletal pain for at least 3 months, were chosen purposefully and asked to respond the Toronto Alexithymia Scale (TAS-20), the inhibition/activation system scale, and Numeric Rating Scale (NRS).The analysis was done in SmartPLS. ResultsThe intensity of pain had a positive relationship with inhibition system (P<0.001)and fight/ flight system (P<0.05).Alexithymia had the positive a relationship with inhibition system (P<0.001).Alexithymia (t=6.34,β=0.29), inhibition system (t=3.77,β=0.17), and fight/ flight system (t=4.26,β=0.18) could explain the variance of the pain intensity.Alexithymia could explain the activity of inhibition system (t=8.03,β=0.30) and the behavioral activation system (t=2.83,β=-0.14). ConclusionThe relationship between alexithymia and the intensity of pain was not a simple direct relationship, but the inhibition system with its avoidance behavior output could affect this relationship.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».