Intramuscular pH modulates glutamate‐evoked masseter muscle pain magnitude in humans
Notice bibliographique
Résumé
BACKGROUND: This study was conducted to determine whether glutamate-evoked jaw muscle pain is modulated by the acidity and temperature of the solution injected. METHODS: Thirty two participants participated and received injections of high-temperature acidic (HT-A) glutamate (pH 4.8, 48 °C), high-temperature neutral (HT-N) glutamate (pH 7.0, 48 °C) and neutral temperature neutral (NT-N) glutamate (pH 7.0, 38 °C) solutions (0.5 mL) into the masseter muscle. Pain intensity was assessed with an electronic visual analogue scale (eVAS). Numerical rating scale (NRS) scores of unpleasantness and temperature perception, pain-drawing areas, mechanical sensitivity and pressure pain thresholds (PPT) were also measured. Participants filled out the McGill Pain Questionnaire (MPQ). One or two way ANOVAs were used for data analyses. RESULTS: Injection of HT-A glutamate solutions significantly increased the area under the VAS-time curve compared with injection of HT-N glutamate and NT-N glutamate solution (p < 0.040). The duration of glutamate-evoked pain was significantly longer when HT-A glutamate was injected than when NT-N glutamate was injected (p < 0.017). No significant effects of acidity were detected on pain drawings, NRS unpleasantness and heat perception, but there was a significant effect of acidity on MPQ scores and mechanical sensitivity. CONCLUSION: Acidity and temperature modulate glutamate-evoked jaw muscle pain suggesting an interaction between acid sensing and glutamate receptors which could be of importance for understanding clinical muscle pain conditions.
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 | 0,012 | 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 ».