Quantitative Sensory Testing in Chronic Musculoskeletal Pain
Notice bibliographique
Résumé
BACKGROUND: In recent years, several published articles have demonstrated that quantitative sensory testing (QST) is useful in the analysis of musculoskeletal pain disorders. Based on the evidence from these studies, it is assumed that QST might be a useful tool in the analysis of the pathogenesis, classification, differential diagnosis, and prognosis of chronic musculoskeletal pain. OBJECTIVES: The objective of this paper is to discuss measurement properties of QST and potentials research and clinical applications in musculoskeletal pain. METHODS: This is a review of the current knowledge base on QST as it relates to musculoskeletal pain disorders. We based our summary on articles retrieved from Ovid MEDLINE (1946 to present) including EMBASE, AMED, and PsycINFO databases to search for all published literature focused on QST and musculoskeletal pain. RESULTS: QST has been shown to be related to neural sensitivity in musculoskeletal pain. QST measurement properties have been evaluated for multiple sensory evaluation modalities and protocols with no clear superior instrument or test protocol. The research evidence is incomplete, but suggests potential clinical benefits for predicting outcomes and subtyping pain. Threshold detection testing is commonly used to quantify sensory loss or gain, in current practice and has shown moderate reliability. Intensity/magnitude rating can be assessed on a wide range of rating scales and may be more useful for pain rating in a clinical context. Threshold detection-based testing and intensity/magnitude rating-based testing can be combined to determine pain threshold in clinical evaluation. CONCLUSIONS: Musculoskeletal pain management may benefit from treatment algorithms that consider mechanism, pain quality, or neurophysiological correlates. Non-invasive QST may be helpful to find sensory array of altered nociceptive process. Due to the diverse etiopathogenetic basis of musculoskeletal pain disorders, a broad range of reliable and valid QST tests may be needed to analyze the various disease entities.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».