Chronic pain and sensorimotor deficits following peripheral nerve injury
Notice bibliographique
Résumé
Following upper limb peripheral nerve transection and surgical repair (PNIr) patients frequently exhibit sensory and motor deficits, but only some develop chronic neuropathic pain. Thus, the sensorimotor outcome of PNIr may be impacted by individual factors. Therefore, our aims were to determine if patients with chronic neuropathic pain (PNI-P) following PNIr (1) are distinguished from patients without pain (PNI-NP) and healthy controls (HCs) by the psychological factors of pain catastrophizing, neuroticism or extraversion, and (2) exhibit more severe sensorimotor deficits than patients who did not develop chronic pain (PNI-NP). Thirty-one patients with complete median and/or ulnar nerve transection (21 PNI-NP, 10 PNI-P) and 21 HCs completed questionnaires to assess pain characteristics, pain catastrophizing, neuroticism and extraversion and underwent sensorimotor evaluation. Nerve conduction studies revealed incomplete sensorimotor peripheral recovery based on abnormal sensory and motor latency and amplitude measures in transected nerves. The patients also had significant deficits of sensory function (two-point discrimination and vibration, touch, and warmth detection), sensorimotor integration, and fine motor dexterity. Compared to PNI-NP patients, PNI-P patients had higher vibration detection thresholds, performed worse on sensory-motor integration tasks, had greater motor impairment, and showed more impaired nerve conduction. Furthermore, PNI-P patients had reduced cold pain tolerance, elevated pain intensity and unpleasantness during the cold pressor test, and they scored higher on neuroticism and pain-catastrophizing scales. These data demonstrate that chronic neuropathic pain following PNIr is associated with impaired nerve regeneration, profound sensorimotor deficits and a different psychological profile that may be predictive of poor recovery after injury.
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 | 0,004 | 0,002 |
| 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 ».