Non‐thermal extremely low frequency magnetic field effects on opioid related behaviors: Snails to humans, mechanisms to therapy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In 1984, it was initially discovered in mice that an extremely low frequency magnetic field (ELF-MF) could attenuate opiate induced analgesia. In the past 30 years, we defined some of ELF-MF exposure and subject state conditions that can both increase and decrease nociception in snails and mice and can induce analgesia in humans. In our search for mechanisms and our desire to translate our findings to the treatment of chronic pain in humans, we pioneered the use of electroencephalography and magnetic resonance imaging to monitor effects during exposure. We have contributed to an understanding of the phenomena but a considerable amount remains to be done by us and those who have undertaken corroboratory and complimentary work. As the recipient of the 2013 d'Arsonval Award, I was invited to prepare an article for Bioelectromagnetics that highlights research findings that led to the award. Here, I have focused on our main findings associated with the effects of nociception of exposure to ELF-MF. To enrich the value of this contribution, I have put our research into the context of work of others. Further, I have suggested future directions of research and the potential for linkages and synergies associated with the extensive literature on animal orientation. Hence, it needs to be acknowledged that this is a report of our contributions and not intended as a balanced review.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 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 découle