Approches cognitivo-comportementales dans la gestion de l'insomnie secondaire à la douleur chronique
Bibliographic record
Abstract
Les plaintes de sommeil font partie intégrante du tableau clinique chez une proportion considérable de patients aux prises avec de la douleur chronique. Ces dernieers rapportent des difficultés à initier et à maintenir, le sommeil ainsi que des plaintes de sommeil non réparateur. L'évaluation polysomnographique confirme la présence de perturbations dans la continuité et l'architecture du sommeil. La relation entre douleur et insomnie est souvent bidirectionnelle: I'intensité de la douleur semble prédire la sévérité des difficultés de sommeil, et les difficultés de sommeil peuvent intensifier la perception de la sévérité de la douleur. Même si la douleur est souvent la source principale de l'insomnie, plusieurs facteurs comportementaux et psychologiques peuvent contribuer à exacerber et maintenir les difficultés de sommeil. Le traitement cognitivo-comportemental de l'insomnie vise à modifier ou éliminer ces facteurs. Les méthodes utilisées sont le contrôle par le stimulus, la restriction du sommeil, la relaxation, la restructuration cognitive et l'hygiène du sommeil. L'efficacité de ces traitements est bien établie pour l'insomnie primaire. Même si les données disponibles relatives à l'insomnie secondaire à la douleur chronique sont peu nombreuses, elles indiquent que l'approche cognitivo-comportementale représente une option thérapeutique très utile chez les patients aux prises avec de telles difficultés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".