MétaCan
Menu
Retour à la cohorte
Enregistrement W2344972684 · doi:10.1177/1073858416628793

The Anti-Allodynic Gabapentinoids

2016· article· en· W2344972684 sur OpenAlexafffund
Sascha R.A. Alles, Peter A. Smith

Notice bibliographique

RevueThe Neuroscientist · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesPfizer Canada
Mots-clésPregabalinMedicinePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The gabapentinoids (pregabalin and gabapentin) are first line treatments for neuropathic pain. They exert their actions by binding to the α2δ accessory subunits of voltage-gated Ca 2+ channels. Because these subunits interact with critical aspects of the neurotransmitter release process, gabapentinoid binding prevents transmission in nociceptive pathways. Gabapentinoids also reduce plasma membrane expression of voltage-gated Ca 2+ channels but this may have little direct bearing on their therapeutic actions. In animal models of neuropathic pain, gabapentinoids exert an anti-allodynic action within 30 minutes but most of their in vitro effects are 30-fold slower, taking at least 17 hours to develop. This difference may relate to increased levels of α2δ expression in the injured nervous system. Thus, in situations where α2δ is experimentally upregulated in vitro, gabapentinoids act within minutes to interrupt trafficking of α2δ subunits to the plasma membrane within nerve terminals. When α2δ is not up-regulated, gabapentinoids act slowly to interrupt trafficking of α2δ protein from cell bodies to nerve terminals. This improved understanding of the mechanism of gabapentinoid action is related to their slowly developing actions in neuropathic pain patients, to the concept that different processes underlie the onset and maintenance of neuropathic pain and to the use of gabapentinoids in management of postsurgical pain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,258
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe NeuroscientistMême sujetPain Mechanisms and TreatmentsTravaux en français237 207