MétaCan
Menu
Retour à la cohorte
Enregistrement W2590564190 · doi:10.1093/neuros/nyw047

The Advancing Role of Neuromodulation for the Management of Chronic Treatment-Refractory Pain

2017· review· en· W2590564190 sur OpenAlexaff
Mohammed F. Shamji, Cecile De Vos, Ashwini Sharan

Notice bibliographique

RevueNeurosurgery · 2017
Typereview
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensToronto Western HospitalKrembil FoundationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineNeuromodulationNeuropathic painChronic painIntensive care medicineDeep brain stimulationPhysical medicine and rehabilitationPhysical therapyDiseaseAnesthesiaStimulationParkinson's diseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

Neuropathic pain is a common cause of disability and health care utilization. While judicious pharmacotherapy and management of comorbid psychological distress can provide for improved quality of life, some patients with treatment-refractory disease require more invasive therapies. Spinal cord stimulation can provide for improvement in pain and decrease in medication utilization, with level 1 evidence supporting its use across various pain etiologies including persistent postoperative neuropathic pain, complex regional pain syndrome, chronic inoperable limb ischemia, treatment refractory angina, and painful diabetic neuropathy. These procedures can be done with acceptably low morbidity and provide a cost-effective solution for those patients in whom medical therapies have failed. Technological innovation in lead design, implantable pulse generator capability, and stimulation algorithms and parameters may further enhance the success of this therapy. Neuromodulation of distal targets such as dorsal root ganglion may permit greater anatomic specificity of the therapy, whereas subthreshold stimulation with high-frequency or burst energy delivery may eliminate noxious and off-target paresthesiae. Such new technologies should be subject to rigorous evaluation as their mechanisms of action and long-term outcomes remain hitherto undefined.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,682

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,069
Tête enseignante GPT0,350
Écart entre enseignants0,281 · 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'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

Citations40
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurosurgeryMême sujetPain Management and TreatmentTravaux en français237 207