Clinical relevance of attentional biases in pediatric chronic pain: an eye-tracking study
Notice bibliographique
Résumé
ABSTRACT: Attentional biases have been posited as one of the key mechanisms underlying the development and maintenance of chronic pain and co-occurring internalizing mental health symptoms. Despite this theoretical prominence, a comprehensive understanding of the nature of biased attentional processing in chronic pain and its relationship to theorized antecedents and clinical outcomes is lacking, particularly in youth. This study used eye-tracking to assess attentional bias for painful facial expressions and its relationship to theorized antecedents of chronic pain and clinical outcomes. Youth with chronic pain (n = 125) and without chronic pain (n = 52) viewed face images of varying levels of pain expressiveness while their eye gaze was tracked and recorded. At baseline, youth completed questionnaires to assess pain characteristics, theorized antecedents (pain catastrophizing, fear of pain, and anxiety sensitivity), and clinical outcomes (pain intensity, interference, anxiety, depression, and posttraumatic stress). For youth with chronic pain, clinical outcomes were reassessed at 3 months to assess for relationships with attentional bias while controlling for baseline symptoms. In both groups, youth exhibited an attentional bias for painful facial expressions. For youth with chronic pain, attentional bias was not significantly associated with theorized antecedents or clinical outcomes at baseline or 3-month follow-up. These findings call into question the posited relationships between attentional bias and clinical outcomes. Additional studies using more comprehensive and contextual paradigms for the assessment of attentional bias are required to clarify the ways in which such biases may manifest and relate to clinical outcomes.
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 | 0,017 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».