Does a diagnosis of depression influence observer ratings of pain severity? The mediating role of causal attributions of pain and pain genuineness
Notice bibliographique
Résumé
Researchers have been increasingly investigating observer and patient characteristics that may influence the assessment of pain in others. While rates of psychiatric conditions are high in chronic pain populations, surprisingly little attention has been given to if (and why) a comorbid psychiatric diagnosis may influence the estimation of pain in others. Using an experimental vignette paradigm, the current study examined whether a diagnostic label of major depressive disorder (MDD) would impact observer pain estimates of a woman with chronic pain, and whether causal attributions of pain and pain genuineness might help explain these effects. Participants ( n = 188) were given a vignette describing a female patient with chronic pain (who either had MDD or no mental health concerns), viewed a brief video clip of the patient, and then were asked to provide a variety of ratings about the woman’s pain. Results of a serial multiple mediation analysis revealed that participants in the MDD condition made greater psychological attributions for the woman’s pain, which was associated with lower perceptions of pain genuineness, which was then associated with lower estimates of pain intensity. These findings suggest that a diagnosis of depression may indirectly influence observer estimates of another person’s pain by heightening psychological attributions of pain, and making their pain seem less genuine. Further research is needed to elucidate the complex processes underlying pain estimation, including patient and observer characteristics, biases, and heuristics, in order to improve quality of care for those living with persistent pain.’
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 | 0,026 | 0,030 |
| 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 | 0,000 |
| 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 ».