Biological research on mental pain, social pain and other pains not primarily felt in the body: methodological systematic review
Notice bibliographique
Résumé
BACKGROUND: Researchers explore the biology of painful experiences not primarily felt in the body ('non-physical pain'), sometimes referred to as mental, social or emotional pain. A critical challenge lies in how to operationalise this subjective experience for biological research, a crucial process for translating findings into clinical practice. AIMS: To map studies investigating biological features of non-physical pain, focusing on their conceptual features (i.e. terms and definitions of non-physical pain) and methodological characteristics (e.g. experimental paradigms and measures). METHOD: This methodological systematic review searched reports of primary research on the biological features of non-physical pain across Embase, MEDLINE and Web of Science. Using a meta-research approach, we synthetised results on terms, definitions, populations, experimental paradigms, confounders, measures of non-physical pain and investigation methods (e.g. functional magnetic resonance imaging). RESULTS: We identified 92 human studies, involving 7778 participants. Overall, 59.1% of the studies did not report any definition of non-physical pain, and 82% of studies did not use a specific measure. Regarding the possibility of translating results to clinical settings, most of the human studies involved only healthy participants (71.7%) and the seven different experimental paradigms used to induce non-physical pain had unknown external validity. Confounders were not considered by 32.4% of the experimental studies. Animal studies were rare, with only four rodent studies. CONCLUSIONS: Biomedical studies of non-physical pain use heterogeneous concepts with unclear overlaps and methods with unknown external validity. As has been done for physical pain, priority actions include establishing an agreed definition and measurement of non-physical pain and developing experimental paradigms with good external validity.
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 | 0,055 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,015 |
| Bibliométrie | 0,021 | 0,020 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».