MétaCan
Menu
Retour à la cohorte
Enregistrement W2998470554 · doi:10.1136/medethics-2019-105902

Pain versus suffering: a distinction currently without a difference

2019· article· en· W2998470554 sur OpenAlexaff
Charlotte Duffee

Notice bibliographique

RevueJournal of Medical Ethics · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNociceptionNeglectPsychologyNoxious stimulusPain managementInterpretation (philosophy)MedicineCognitive psychologyAnesthesiaPhilosophyPsychiatry

Résumé

récupéré en direct d'OpenAlex

My paper challenges an influential distinction between pain and suffering put forward by physician-ethicist, Eric Cassell. I argue that Cassell's distinction is philosophically untenable because he contrasts suffering with an outdated theory of pain. In particular, Cassell focuses on one type of pain, the interpretation of nociception induced by noxious stimuli such as heat or sharp objects; yet since the late 1970s, pain scientists have rendered both nociception and noxious stimuli unnecessary for pain. I argue that this discrepancy between Cassell's distinction and pain science produces three philosophical problems for his distinction: first, he frames his distinction too generally, concentrating on only one type of pain (interpreted nociception) to the neglect of others, such as neuropathy; second, it is possible that Cassell's understanding of pain may include suffering; and third, Cassell gives examples of pain and suffering manifesting independently of each other, but it is possible that these cases may instead exemplify differences between nociceptive and non-nociceptive types of pain. Due to these problems, I conclude that Cassell's distinction currently lacks a difference. I call for new efforts to articulate the differences, if any, between pain and suffering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,055
Communication savante0,0080,016
Science ouverte0,0020,007
Intégrité de la recherche0,0060,013
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,192
Tête enseignante GPT0,546
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical EthicsMême sujetEthics in medical practiceTravaux en français237 207