Investigating the Impact of Stress on Pain: A Scoping Review on Sense of Control, Social-Evaluative Threat, Unpredictability, and Novelty (STUN Model)
Notice bibliographique
Résumé
Background: Stress can have paradoxical effects on pain, namely hyperalgesia and hypoalgesia. Four situational characteristics activate the hypothalamic-pituitary-adrenal axis, leading to a physiological stress response: lacking Sense of control, social-evaluative Threat, Unpredictability and Novelty (STUN). This scoping review reports on the types of evidence published on the effects of STUN characteristics on pain outcomes. Databases/Data Treatment: Searches of primary electronic databases were performed to identify articles published on adults between 1990 and 2021 that contained search terms on pain and stress/STUN characteristics. A total of 329 articles were included in the analysis. Results: Only 3.3% of studies examined simultaneously >1 STUN component. Almost all observational studies (177/180) examined the association between perceived stress and pain without measuring physiological stress responses. Of the 130 experimental studies, 78 (60.0%) manipulated stressful characteristics through nociception, and only 38.5% assessed if/how stress manipulation impacted perceived stress. Conclusion: There is a clear lack of integration of the characteristics that trigger a physiological stress response in the pain field. Only 3.3% of studies examined simultaneously more than one STUN component and there is an unequal attention given to individual components of the STUN framework. Recommendations for future research include selection of stress manipulations/measurements that are more precisely inducing/reflecting neurobiological mechanisms of stress responses to insure valid integration of scientific knowledge.
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 | 0,164 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».