Drug Disease Interactions: Role of Inflammatory Mediators in Pain and Variability in Analgesic Drug Response
Notice bibliographique
Résumé
Pain has both physical and emotional components. Physical noxious stimuli activate peripheral sensory neurons that, in turn, relay signals to the spinal and supraspinal nuclei. Subsequently, these signals activate areas within the brain associated with pain. Despite considerable knowledge in this area, analgesics may provide pain complete relief in only one out of five patients. Failure to manage pain may be due to a lack of understanding of the neurobiological processing of pain. Factors such as anticipation, anxiety and pain history play roles in the perception of pain. Non-neuronal cells such as those of the immune system influence perception and modulation of pain by the nervous system. In post-dental surgery patients, the severity of the pain and the relief following administration of anti-inflammatory analgesics has been linked to the time course of inflammatory mediators. Similarly, the relief of post-operative pain after abdominal surgery is also associated with a reduction in expression of pro-inflammatory mediators. Administration of anti-cytokines to sciatica patients and subsequent pain relief further emphasizes the role of pro-inflammatory mediators in modulation of pain. Increased expression of inflammatory mediators may also alter response to analgesia. For example, rheumatoid patients with temporal mandibular joint disease with increased expression of interleukins prior to treatment demonstrate inadequate pain relief after administration of anti-TNF-. In addition, pain or its trauma impairs absorption of oral analgesics causing therapeutic failure. Improved analgesic pharmacotherapy may require a better understanding of the involvement of the inflammatory pathways.
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 | 0,018 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».