Facial recognition, laterality judgement, alexithymia and resulting central nervous system adaptations in chronic primary headache and facial pain—A systematic review and meta‐analysis
Notice bibliographique
Résumé
INTRODUCTION: Patients with chronic headaches and chronic oro-facial pain commonly present psychosocial issues that can affect social interactions. A possible reason could be that patients with these disorders might present impairments in facial recognition, laterality judgement and also alexithymia. However, a systematic review summarizing the effects of facial emotion recognition, laterality judgement and alexithymia in individuals with headaches and oro-facial pain is still not available. AIM: The main objective of this systematic review (SR) and meta-analysis (MA) was to compile and synthesize the evidence on the occurrence of alexithymia, deficits in laterality or left-right (LR) recognition and/or facial emotion recognition (FER) in patients with chronic headache and facial pain. METHODS: Electronic searches were conducted in five databases (up to September 2023) and a manual search to identify relevant studies. The outcomes of interest were alexithymia scores, speed and accuracy in LR and/or FER, or any other quantitative data assessing body image distortions. The screening process, data extraction, risk of bias and data analysis were performed by two independent assessors following standards for systematic reviews. RESULTS: From 1395 manuscripts found, only 34 studies met the criteria. The overall quality/certainty of the evidence was very low. Although the results should be interpreted carefully, individuals with chronic headaches showed significantly higher levels of alexithymia when compared to healthy individuals. No conclusive results were found for the other variables of interest. CONCLUSION: Although the overall evidence from this review is very low, people with chronic primary headaches and oro-facial pain could be regularly screened for alexithymia to guarantee appropriate 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 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 | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,020 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».