MétaCan
Menu
Retour à la cohorte
Enregistrement W2569553468 · doi:10.1016/j.cobeha.2016.12.003

Neuroinflammation—a co-occurring phenomenon linking chronic pain and opioid dependence

2017· article· en· W2569553468 sur OpenAlexaff
Catherine M. Cahill, Anna M.W. Taylor

Notice bibliographique

RevueCurrent Opinion in Behavioral Sciences · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensQueen's University
Organismes subventionnairesNational Institutes of HealthNational Institute on Drug AbuseU.S. Department of Defense
Mots-clésChronic painAddictionHyperalgesiaNeuroinflammationOpioidAffect (linguistics)PsychologyDepression (economics)SensitizationMedicineNeuroscienceDiseasePsychiatryNociceptionInternal medicine

Résumé

récupéré en direct d'OpenAlex

Chronic pain is a disease that encompasses both sensory and emotional elements. Opioids are highly effective analgesics because they target both of these elements, by inhibiting pain pathways and alleviating negative affect (including depression) by engaging reward or hedonic pathways. Unfortunately, chronic opioid use is limited by the development of unwanted side effects, such as tolerance, hyperalgesia, and abuse liability. Thus, the challenge of providing effective pain treatment while minimizing these unwanted side effects is an ongoing issue with significant clinical and societal impact. In this review, we posit that neuroinflammation within the central nervous system is a shared phenomenon between chronic pain and opioids that contributes to pain sensitization and negative affect. The implications for pain progression, addiction liability, and alternative treatment strategies are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,149
Tête enseignante GPT0,437
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations83
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Behavioral SciencesMême sujetPain Mechanisms and TreatmentsTravaux en français237 207