A longitudinal study of pain, personality, and brain plasticity following peripheral nerve injury
Notice bibliographique
Résumé
We do not know precisely why pain develops and becomes chronic after peripheral nerve injury (PNI), but it is likely due to biological and psychological factors. Here, we tested the hypotheses that (1) high Pain Catastrophizing Scale (PCS) scores at the time of injury and repair are associated with pain and cold sensitivity after 1-year recovery and (2) insula gray matter changes reflect the course of injury and improvements over time. Ten patients with complete median and/or ulnar nerve transections and surgical repair were tested ∼3 weeks after surgical nerve repair (time 1) and ∼1 year later for 6 of the 10 patients (time 2). Patients and 10 age-/sex-matched healthy controls completed questionnaires that assessed pain (patients) and personality and underwent quantitative sensory testing and 3T MRI to assess cortical thickness. In patients, pain intensity and neuropathic pain correlated with pain catastrophizing. Time 1 pain catastrophizing trended toward predicting cold pain thresholds at time 2, and at time 1 cortical thickness of the right insula was reduced. At time 2, chronic pain was related to the time 1 pain-PCS relationship and cold sensitivity, pain catastrophizing correlated with cold pain threshold, and insula thickness reversed to control levels. This study highlights the interplay between personality, sensory function, and pain in patients following PNI and repair. The PCS-pain association suggests that a focus on affective or negative components of pain could render patients vulnerable to chronic pain. Cold sensitivity and structural insula changes may reflect altered thermosensory or sensorimotor awareness representations.
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 | 0,007 | 0,006 |
| 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) | 0,000 | 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 ».