Super Placebos: A Feasibility Study Combining Contextual Factors to Promote Placebo Effects
Notice bibliographique
Résumé
Background: Ample evidence demonstrates that placebo effects are modulated by contextual factors. Few interventions, however, attempt to combine a broad range of these factors. Here, we explore the therapeutic power of placebos by leveraging factors including social proof, positive suggestion, and social learning. This study aimed to test the feasibility of an elaborate “super placebo” intervention to reduce symptoms of various disorders in a pediatric population. Methods: In a single-arm qualitative study, participants entered an inactive MRI scanner which they were told could help their brain heal itself through the power of suggestion. The sample included 11 children (6–13 years old) diagnosed with disorders known to be receptive to placebos and suggestion (Attention Deficit Hyperactivity Disorder, Tourette Syndrome, chronic skin picking, and migraines). The children were given positive suggestions during 2–4 placebo machine sessions over the span of approximately 1 month. We assessed open-ended treatment outcomes via recorded interviews and home visits. Results: The procedure was feasible and no adverse events occurred. Ten of the 11 parents reported improvements in their children after the intervention, ranging from minor transient changes to long-term reductions in subjective and objective symptoms (e.g., migraines and skin lesions). Discussion: These preliminary findings demonstrate the feasibility and promise of combining a broad range of contextual factors in placebo studies. Future research is needed to assess the causal effects of such interventions.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 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) | 0,007 | 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 ».