Computational Signatures of Pain Chronification: Duration-Dependent Decision-Making Shifts Across Acute and Chronic Pain
Notice bibliographique
Résumé
Abstract Chronic pain is often characterized by the entrenchment of maladaptive behaviors — avoidance, inactivity, and hypervigilance — that outlast tissue damage. A central but mechanistically underspecified question is how behaviors acquired during acute pain become locked in as pain chronifies. Influential accounts, including the fear-avoidance model, suggest that behavioral patterns learned in a specific context — such as avoidance during acute injury — overgeneralize to situations where they are no longer advantageous. Whether this reflects altered learning or changes in how learned information guides decisions has remained unclear. To address this, we administered a probabilistic reinforcement learning task to 239 individuals with chronic pain, acute pain, or no pain, designed to dissociate two decision strategies: reliance on recent reinforcement history — what was reinforced in a prior context — versus global expected value — the objective worth of an option regardless of context. Learning performance was comparable across all groups, confirming intact associative learning. However, groups differed significantly in decision-making: individuals with chronic pain favored options with stronger context-dependent reinforcement history over those with higher global expected value; however, those without pain showed no preference for one over the other, with the acute pain group showing an intermediate pattern. Computational modeling confirmed this, with chronic pain patients showing significantly reduced weighting toward global expected value. Critically, this shift tracked pain duration rather than intensity — suggesting prolonged pain exposure gradually biases decisions away from global expected value towards a context-dependent history. These findings offer a computational explanation for behavioral persistence in chronic pain, and this duration-dependent shift, already evident in the acute pain group, may represent an early cognitive signature of chronification.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».