受试者招募与分组
建立慢性疼痛患者和匹配健康对照的研究样本
从Hospital del Mar疼痛科招募35名慢性背痛成人,从一般人群招募35名年龄和性别匹配的健康对照。分析前排除3名慢性疼痛患者(1名未遵守任务指导语,2名因疲劳无法完成量表),最终样本为32名慢性疼痛患者和35名对照。
Affective Predictions in Chronic Pain: Differential Associations With Pain Interference and Intensity
包含患者与对照的行为学实验及HLM分析,但仅单一行为任务,无独立证据层级或功能机制验证
慢性背痛患者(n=32) 健康对照(n=35) 社会感知计算机化任务
受试者分组:慢性疼痛组32例与健康对照组35例,分析前排除3例慢性疼痛患者 任务试次结构:45个实验试次,3种情绪各15个;匹配条件每情绪9试次,非匹配条件每情绪6试次 疼痛测量工具:BPI-IS测量疼痛干扰,BPI-PS和VAS测量疼痛强度 统计分析:疼痛干扰×匹配条件交互B=-0.03,95% CI[-0.069,-0.001],p=0.046;疼痛强度×可预测性交互VAS B=0.03,95% CI[0.012,0.044],p<0.001 协变量中心化:试次水平预测变量进行个体均值中心化,受试者水平变量进行总均值中心化
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立慢性疼痛患者和匹配健康对照的研究样本
从Hospital del Mar疼痛科招募35名慢性背痛成人,从一般人群招募35名年龄和性别匹配的健康对照。分析前排除3名慢性疼痛患者(1名未遵守任务指导语,2名因疲劳无法完成量表),最终样本为32名慢性疼痛患者和35名对照。
诱发对面部表情的预期并评估其对社会评价的影响
参与者完成3个练习试次和45个实验试次。每个试次依次呈现:注视屏(4秒)、目标人物中性面部表情照片(Face 1,5秒)、诱发恐惧/快乐/悲伤情绪的文字场景(20秒)、目标人物刻板面部表情照片(Face 2,5秒)。随后参与者对可预测性和喜爱度进行评分。
测量疼痛强度、疼痛干扰和当前疼痛水平
参与者完成任务后填写一系列自评问卷,包括简版疼痛量表(BPI)和视觉模拟量表(VAS)。BPI包含疼痛严重程度子量表(BPI-PS,4项)和疼痛干扰子量表(BPI-IS,7项),每项0-10评分。VAS为10厘米水平线,从'无痛'(0厘米)到'最严重可想象疼痛'(10厘米)。
检验疼痛测量指标与可预测性评分和喜爱度评分的关系
使用HLM 7.0对3015个实验试次(67名参与者×45试次)进行层次线性模型分析。以可预测性评分和喜爱度评分为结果变量,匹配条件和疼痛测量为预测变量,包含交互项。采用连续采样模型,参与者为随机因子,限制性最大似然法估计参数。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 社会感知任务 | E-Prime 3 | Psychology Software Tools Inc. | -- |
| 自评量表 | Qualtrics XM | Qualtrics | -- |
| 数据分析 | HLM 7.0 | Scientific Software International Inc. | -- |
| JASP 0.16.2版 | JASP Team | -- | |
| R 4.5.2 | R Core Team | -- | |
| 面部刺激材料 | 跨学科情感科学实验室面部表情集 | Interdisciplinary Affective Science Laboratory | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 受试者招募与分组 | 慢性疼痛组最终n=32,对照组n=35;排除标准包括1名未遵守任务指导语和2名因疲劳无法完成量表;对照组年龄和性别匹配(±5岁) 阅读提示:Methods 2.2 Participants |
| 社会感知任务实施 | 45个实验试次,恐惧/快乐/悲伤场景各15个;匹配条件每情绪9试次(60%),非匹配条件每情绪6试次(40%);每个试次注视4秒、Face 1呈现5秒、场景20秒、Face 2呈现5秒;试次顺序、目标身份与场景配对和匹配/非匹配分配在个体内伪随机化 阅读提示:Methods 2.3 Materials and Procedure及Figure 1图注 |
| 疼痛量表评估 | BPI-PS 4项,BPI-IS 7项,每项0-10评分;VAS为10厘米水平线;使用Qualtrics XM计算机化完成 阅读提示:Methods 2.3 Materials and Procedure |
| HLM统计分析 | 试次水平预测变量个体均值中心化,受试者水平变量总均值中心化;随机截距纳入所有模型;随机斜率在不收敛时省略;条件估计在疼痛水平2、5、8处计算;bootstrap 5000样本参与者水平整群重采样 阅读提示:Methods 2.4 Data Analysis |