MétaCan
Menu
Retour à la cohorte
Enregistrement W2750699793 · doi:10.1002/jnr.24150

Circadian control of pain and neuroinflammation

2017· review· en· W2750699793 sur OpenAlexafffund
Julia P. Segal, Kaitlyn Tresidder, Charvi Bhatt, Ian Gilron, Nader Ghasemlou

Notice bibliographique

RevueJournal of Neuroscience Research · 2017
Typereview
Langueen
DomaineNeuroscience
ThématiqueCircadian rhythm and melatonin
Établissements canadiensQueen's University
Organismes subventionnairesCanadian Pain SocietyCanadian Anesthesiologists' Society
Mots-clésNeuroinflammationCircadian rhythmPain controlNeuroscienceMedicinePsychologyAnesthesiaInternal medicineInflammation

Résumé

récupéré en direct d'OpenAlex

The importance of a neuroinflammatory response to the development and maintenance of inflammatory and neuropathic pain have been highlighted in recent years. Inflammatory cells contributing to this response include circulating immune cells such as monocytes, T and B lymphocytes, and neutrophils, as well as microglia in the central nervous system. Pain signals are transmitted via sensory neurons in the peripheral nervous system, which express various receptors and channels that respond to mediators secreted from these inflammatory cells. Chronobiological rhythms, which include the 24-hr circadian cycle, have recently been shown to regulate both nervous and immune cell activity and function. This review examines the current literature on chronobiological control of neuroinflammatory processes, with a focus on inflammatory and neuropathic pain states. While the majority of this work has stemmed from observational studies in humans, recent advances in using animal models have highlighted distinct mechanisms underlying these interactions. Better understanding interactions between the circadian and neuroimmune systems can help guide the development of new treatments and provide improved care for patients suffering from acute and chronic pain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,309
Tête enseignante GPT0,461
Écart entre enseignants0,152 · 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 source (Gemma direct ou Codex distillé), 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

Citations88
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroscience ResearchMême sujetCircadian rhythm and melatoninTravaux en français237 207