Human temporomandibular joint and myofascial pain biochemical profiles: a case‐control study
Notice bibliographique
Résumé
Neurobiological mechanisms of human musculoskeletal pain are poorly understood. This case-control study tested the hypothesis that biomarkers within temporomandibular muscle and joint disorders (TMJD) subjects' masseter muscles or temporomandibular joint (TMJ) synovial fluid correlate with plasma biomarker concentrations. Fifty subjects were recruited and categorized into TMJD cases (n=23) and pain-free controls (n=27) at the University of Minnesota School of Dentistry. Prior to specimen collection, pain intensity and pressure pain threshold masseter muscles and the TMJs were assessed. We collected venous blood; biopsied masseter muscle; and sampled TMJ synovial fluid on the subjects' side of maximum pain intensity. We assayed these tissues for the presence of nerve growth factor (NGF), bradykinin (BK), leukotreine B(4) (LTB(4) ) and prostaglandin E(2) (PGE(2) ), F(2) -isoprostane (F(2) I) and substance P (SP). The data was analyzed using Spearman Correlation Coefficients. We found that only plasma concentrations of bradykinin statistically correlated with synovial fluid concentrations (ρ=-0·48, P=0·005), but no association was found between pain intensities. The data suggests that biomarkers used to assess TMJD need to be acquired in a site-specific manner. We also discovered that F(2) I concentrations were associated with muscle pain intensity and muscle pressure pain threshold (PTT) (β=0·4, 95%CI: 0·03-0·8) and joint PPT (β=0·4, 95%CI: 0·07-0·8) suggesting that muscle oxidative stress is involved in myofascial pain and that F(2) -I may be a biomarker for myofascial pain.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 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 ».