Psychological pain and depression: it’s hard to speak when it hurts
Notice bibliographique
Résumé
OBJECTIVE: To investigate the neuropsychological features of depressed patients reporting high level of psychological pain. METHODS: Sixty-two inpatients were included and divided into two groups according to the level of psychological pain assessed by a Likert scale. Cognitive abilities were assessed using the Trail Making Test, the Stroop test, and Verbal Fluency Test (semantic and phonemic verbal fluency). Univariate and multivariate analyses were performed to determine neuropsychological factors associated with a high level of psychological pain. RESULTS: = 0.009), but not in women, even after controlling for confounding factors (age, level of depression, anxiety). Groups did not differ on the Trail Making Test, the Stroop test, or the semantic verbal fluency measure. CONCLUSION: Psychological pain is a specific clinical entity that should be considered to be more significant than just a symptom of depression. High level of psychological pain appears to be associated with a deficit of phonemic verbal fluency in depressed men. This finding could help to target psychotherapeutic treatments and improve screening.Key pointsPatients with high psychological pain do not differ on the Trail Making Test, the Stroop Test or the Sematic Verbal Fluency Measure to patients with low psychological painHigh psychological pain is associated with a deficit in phonemic verbal fluency in depressed menFuture research should aim to clarify gender differences in psychological pain in participants with and without major depressive disorder, as well as explore the complex relationship between cognition and the different forms of pain (psychological, physical and psychosomatic).
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 | 0,005 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».