Neuropathic Pain Post Spinal Cord Injury Part 1: Systematic Review of Physical and Behavioral Treatment
Notice bibliographique
Résumé
BACKGROUND: Neuropathic pain has various physiologic and psychosocial aspects. Hence, there is a growing use of adjunct nonpharmacological therapy with traditional pharmacotherapy to reduce neuropathic pain post spinal cord injury (SCI). OBJECTIVE: The purpose of this study was to conduct a systematic review of published research on nonpharmacological treatment of neuropathic pain after SCI. METHODS: MEDLINE, CINAHL, EMBASE, and PsycINFO databases were searched for articles addressing nonpharmacological treatment of pain post SCI. Articles were restricted to the English language. Article selection was conducted by 2 independent reviewers with the following inclusion criteria: the subjects participated in a treatment or intervention for neuropathic pain; at least 50% of the subjects had an SCI; at least 3 subjects had an SCI; and a definable intervention was being studied. Data extracted included study design, study type, subject demographics, inclusion and exclusion criteria, sample size, outcome measures, and study results. Randomized controlled trials (RCTs) were assessed for quality using the Physiotherapy Evidence Database (PEDro) assessment scale. Levels of evidence were assigned to each intervention using a modified Sackett scale. RESULTS: The 16 articles selected for this review fell into 1 of 2 categories of nonpharmacological management of pain after SCI: physical and behavioral treatments. The pooled sample size of all studies included 433 participants. Of the 16 studies included, 7 were level 1, 3 were level 2, and 6 were level 4 studies. CONCLUSIONS: Physical interventions demonstrated the strongest evidence based on quality of studies and numbers of RCTs in the nonpharmacological treatment of post-SCI pain. Of these interventions, transcranial electrical stimulation had the strongest evidence of reducing pain. Despite a growing body of literature, there is still a significant lack of research on the use of nonpharmacological therapies for SCI 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».