The Potential of a Robot Presence in Close Relationship to Influence Human Responses to Experimental Pain
Notice bibliographique
Résumé
Pain management is a critical challenge in healthcare, often exacerbated by loneliness and emotional distress. This study investigated the potential of a communication robot, Moffuly, to reduce pain perception and influence hormonal responses in a controlled experimental setting. Nineteen healthy participants underwent heat pain stimulation under two conditions: with and without robotic interaction. Pain levels were assessed using the Short-form McGill Pain Questionnaire and the Visual Analogue Scale, while mood and mental states were evaluated through established questionnaires including the Profile of Mood States, Hospital Anxiety and Depression Scale, and Self-Rating Depression Scale. Hormonal changes, including cortisol, growth hormone, oxytocin, estradiol, and dehydroepiandrosterone-sulfate, were measured from blood samples collected at key time points. The results demonstrated significant reductions in subjective pain and improvements in mood following robotic interaction. These effects were accompanied by favorable hormonal changes, including increased oxytocin and decreased cortisol and growth hormone levels. The findings suggest that robotic interaction may serve as an innovative approach to pain management by addressing both physiological and psychological factors. This study highlights the potential of robotics to complement traditional therapies in alleviating pain and enhancing emotional well-being. By mitigating emotional distress and loneliness, robotic interventions may enhance existing pain therapies and offer innovative solutions for resource-limited healthcare systems.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».