MétaCan
Menu
Retour à la cohorte
Enregistrement W4296555324 · doi:10.1080/24740527.2022.2123308

Popcorn in the pain clinic: A content analysis of the depiction of patients with chronic pain and their management in motion pictures

2022· article· en· W4296555324 sur OpenAlexaff
Karim Mukhida, Sina Sedighi, Catherine Hart

Notice bibliographique

RevueCanadian Journal of Pain · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFilm in Education and Therapy
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDepictionChronic painPain managementMotion (physics)Content (measure theory)Content analysisPsychologyMedicinePsychotherapistPhysical therapyArtComputer scienceSociologyArtificial intelligenceVisual artsMathematicsAnthropology

Résumé

récupéré en direct d'OpenAlex

The watching of films is popular and accessible to broad segments of the population. The depiction of medical conditions in films has the potential to affect the public's perception of them and contribute to stereotypes and stigma. We investigated how patients with chronic pain and their management are depicted in feature films. Films that contained characters with or references to chronic pain were searched for using databases such as the International Movie Database. Themes that emerged from the content analysis revolved around the films' depictions of characters with pain, their health care providers, and therapies for pain management. Patients with chronic pain were depicted in various ways, including in manners that could elicit empathy from audiences or that might contribute to the development of negative stereotypes about them. The attitudes of health care professionals toward patients with chronic pain ranged from compassionate to dispassionate. Pain management was typically depicted as lacking in breadth or using multidisciplinary approaches with a focus on pharmacological management. The variety of topics related to chronic pain depicted in feature films lends to their use in medical education strategies to better inform health care professions trainees about chronic pain management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,937

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,327
Écart entre enseignants0,282 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PainMême sujetFilm in Education and TherapyTravaux en français237 207