Neuropathic pain following traumatic spinal cord injury: Models, measurement, and mechanisms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neuropathic pain following spinal cord injury (SCI) is notoriously difficult to treat and is a high priority for many in the SCI population. Resolving this issue requires animal models fidelic to the clinical situation in terms of injury mechanism and pain phenotype. This Review discusses the means by which neuropathic pain has been induced and measured in experimental SCI and compares these with human outcomes, showing that there is a substantial disconnection between experimental investigations and clinical findings in a number of features. Clinical injury level is predominantly cervical, whereas injury in the laboratory is modeled mainly at the thoracic cord. Neuropathic pain is primarily spontaneous or tonic in people with SCI (with a relatively smaller incidence of allodynia), but measures of evoked responses (to thermal and mechanical stimuli) are almost exclusively used in animals. There is even the question of whether pain per se has been under investigation in most experimental SCI studies rather than simply enhanced reflex activity with no affective component. This Review also summarizes some of the problems related to clinical assessment of neuropathic pain and how advanced imaging techniques may circumvent a lack of patient/clinician objectivity and discusses possible etiologies of neuropathic pain following SCI based on evidence from both clinical studies and animal models, with examples of cellular and molecular changes drawn from the entire neuraxis from primary afferent terminals to cortical sensory and affective centers. © 2016 Wiley Periodicals, Inc.
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.
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 | 0,059 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 découle