The social anatomy of Pain: Friendship loss, sociotemporal disparities, and persistent physical pain
Notice bibliographique
Résumé
While research demonstrates that social network characteristics influence the experience of persistent physical pain, existing studies primarily focus on psychological aspects and are often confined to laboratory settings. This leaves critical gaps in understanding how these dynamics unfold in real-world contexts. One such gap involves the role of discretionary time availability, a key determinant of wellbeing. This is particularly important because friendship loss has temporal dimensions, as individuals must reallocate the time once shared with friends. Using data from the Canadian Time for Health Survey, this study adopts a three-stage analytical approach. First, bivariate analyses explore the distribution of self-reported pain by socioeconomic status (SES) and friendship loss. Next, binary logistic regressions examine the relationship between friendship loss and self-reported pain, accounting for time availability and relevant sociodemographic control variables. Finally, propensity score weighting and robustness tests evaluate whether otherwise similar individuals - differing only in their experience of friendship loss - report distinct levels of persistent physical pain. This research illustrates that: (i) friendship loss is a significant predictor of persistent physical pain; (ii) respondent sociodemographic characteristics shape the experience; (iii) both time excess and time poverty increase the expected risk of pain, suggesting the presence of Temporal Goldilocks Zones. In short, physical pain is concurrently a sociotemporal phenomenon, transcending individual characteristics.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».