Can Modulating Inflammatory Response be a Good Strategy to Treat Neuropathic Pain?
Notice bibliographique
Résumé
Neuronal injury not only results in severe alteration in the function of primary sensory neurons and their central projection pathway, but is also associated with a robust immune response at almost every level of the somatosensory system. Evidence from animal studies suggests undoubtedly that bi-directional signalling between the immune system and the nervous system contribute to the development and maintenance of chronic neuropathic pain. Non-neuronal cells, including peripheral immune cells, CNS/PNS glial cells and endothelial cells play important roles in the neuroimmune interaction and subsequent persistent hypersensitivity. Various cytokines and chemokines have been identified as key signalling molecules in the crosstalk. However, majority evidence showing inflammation in neuropathic pain was generated from animal models at acute phase. Whether and to what extent inflammation or non-neuronal cells are involved at chronic stage of neuropathic pain needs to be further explored, and evidence of inflammation in chronic pain from human studies is still largely awaited. Therapeutic agents targeting inflammation provide an exciting prospect. Yet, considering the heterogeneous conditions presented in neuropathic pain, no matter the etiologies, or the pathophysiology during different stages of the disease; and the complexity of the immune response to the damage on the nervous system, it appears that finely tuned strategies of modulating inflammation are essential to warrant an effective treatment for neuropathic pain. We want to reduce pain; we also want to promote tissue repair and functional recovery.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 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 ».