Translational pain assessment: could natural animal models be the missing link?
Notice bibliographique
Résumé
Failure of analgesic drugs in clinical development is common. Along with the current "reproducibility crisis" in pain research, this has led some to question the use of animal models. Experimental models tend to comprise genetically homogeneous groups of young, male rodents in restricted and unvarying environments, and pain-producing assays that may not closely mimic the natural condition of interest. In addition, typical experimental outcome measures using thresholds or latencies for withdrawal may not adequately reflect clinical pain phenomena pertinent to human patients. It has been suggested that naturally occurring disease in veterinary patients may provide more valid models for the study of painful disease. Many painful conditions in animals resemble those in people. Like humans, veterinary patients are genetically diverse, often live to old age, and enjoy a complex environment, often the same as their owners. There is increasing interest in the development and validation of outcome measures for detecting pain in veterinary patients; these include objective (eg, locomotor activity monitoring, kinetic evaluation, quantitative sensory testing, and bioimaging) and subjective (eg, pain scales and quality of life scales) measures. Veterinary subject diversity, pathophysiological similarities to humans, and diverse outcome measures could yield better generalizability of findings and improved translation potential, potentially benefiting both humans and animals. The Comparative Oncology Trial Consortium in dogs has pawed the way for translational research, surmounting the challenges inherent in veterinary clinical trials. This review describes numerous conditions similarly applicable to pain research, with potential mutual benefits for human and veterinary clinicians, and their respective patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».