AN EMOTION REGULATION THERAPY FOR LATER-LIFE PAIN: EVIDENCE OF EARLY TREATMENT EFFECTS
Notice bibliographique
Résumé
Abstract Chronic pain (CP) is a common, morbid, and costly disorder in older adults. Guidelines encourage clinicians to employ non-pharmacologic therapies for its management, but current psychological interventions (e.g., CBT for pain) have modest treatment benefits and their effects are largely unknown in older cognitively impaired adults. We developed PATH-Pain, an emotion regulation therapy focused on reducing negative emotions and augmenting positive emotions. PATH-Pain is appropriate for use by older adults with CP, negative emotions, and a wide range of cognitive functioning. Treatment consists of 8 weekly individual sessions followed by 4 monthly booster sessions. One hundred older adults (ages 60+) with CP (≥ 3 months) and at least mild-to-moderate levels of negative emotions (per the Positive and Negative Affect Schedule) were randomized to receive PATH-Pain versus Usual Care (UC). Cognitive screening revealed that 44 participants were cognitively intact (Montreal Cognitive Assessment (MoCA) score ≥26), while 56 evidenced mild-to-moderate cognitive impairment (MoCA=16-25). Participants completed follow-ups at 5 (n=89) and 10 weeks (n=84), while 24-week assessments are ongoing. Examination of the treatment × time interaction in a repeated-measures mixed model indicate the presence of treatment effects. PATH-Pain (vs. UC) participants experienced significant reductions in pain intensity (p<0.044) and pain-related disability (p<0.003). Reductions in pain-related disability score were more pronounced among cognitively impaired individuals. The PATH-Pain group also demonstrated significant reductions in emotional suppression (p<0.019) and depression (p<0.009) scores. These results suggest that PATH-Pain is an effective treatment for the management of pain in cognitively intact and cognitively impaired older adults.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».