The Influence of Examiner Gender on Responses to Tonic Heat Pain Assessments: A Preliminary Investigation
Notice bibliographique
Résumé
Background: The influence of examiner gender on pain reporting has been previously explored in both research and clinical settings. However, previous investigations have been limited, with the majority of studies employing single, static assessments of pain (e.g., cold pressor test, verbal pain ratings). The impact of examiner gender on both static and dynamic heat-based pain assessments is currently unknown. Methods: Thirty eight participants (20 females aged 24.1 ± 4.44, and 18 males, aged 24.8 ± 4.54) completed two identical testing sessions, randomized to a male and female examiner in a cross-over design. Pain sensitivity was examined using heat pain thresholds, verbal pain ratings to tonic heat, computerized visual analog scale (CoVAS) rating to tonic heat, and participant-controlled temperature (PCT) heat pain assessments. Results: Female participants reported higher verbal pain to tonic heat with a female examiner compared to male participants, with similar trends for CoVAS responses to tonic heat. Conversely heat pain thresholds and PCT were not significantly influenced by experimenter gender. Conclusions: Overall, verbal ratings were the most impacted by examiner gender, with temperature-based methods such as PCT and pain thresholds showing little to no examiner gender effects. While the gender of the examiner may be an important consideration in the measurement of sex and gender differences in pain research, the choice of pain assessment method may be of similar consequence.
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 | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».