Sensory and Affective Pain Descriptors Respond Differentially to Pharmacological Interventions in Neuropathic Conditions
Notice bibliographique
Résumé
OBJECTIVES: Pain management is limited by inability to match a patient's condition-and pain mechanisms-to optimal treatment(s). Much is known about pain treatment from animal investigations, but antinociceptive mechanisms cannot be readily explored in clinical studies. Evidence suggests that self-report verbal pain descriptors characterize important pain dimensions and may reflect diverse underlying mechanisms. METHODS: This exploratory analysis of data from a trial of a gabapentin-morphine combination evaluated effects of treatment on short-form McGill Pain Questionnaire sensory and affective descriptor profiles and prediction of treatment response by these descriptors. RESULTS: Severity of "throbbing," "shooting," and "aching" improved preferentially with morphine over gabapentin, whereas "tiring-exhausting" and "sickening" improved preferentially with gabapentin over morphine. Improvement in descriptor severity with gabapentin-morphine combination was superior to active placebo for 12 of 15 short-form McGill Pain Questionnaire descriptors, whereas morphine and gabapentin were superior to active placebo for only 7 and 6 descriptors, respectively. Baseline moderate-severe "throbbing" and "hot-burning" predicted poor outcomes with gabapentin, whereas moderate-severe "aching" and "punishing-cruel" predicted favorable outcomes with gabapentin. Baseline "throbbing" severity also predicted poor outcomes with morphine. Baseline allodynia predicted superior reduction of "stabbing" with morphine but not with gabapentin alone. DISCUSSION: These results point to the hypothesis that sensory and affective pain descriptor profiles exhibit a treatment-specific response. Larger, more definitive, investigations to evaluate treatment-specific effects on multiple sensory and affective pain descriptors, and prediction of treatment response by these descriptors, will advance efforts toward developing and implementing more effective individualized pain therapies.
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 | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».