MétaCan
Menu
Retour à la cohorte
Enregistrement W2754928586 · doi:10.1002/jor.23741

Animal models for studying the etiology and treatment of low back pain

2017· review· en· W2754928586 sur OpenAlexaff
Changgui Shi, Sujun Qiu, Scott M. Riester, Vaskar Das, Bingqian Zhu, Atiyayein A. Wallace, André J. van Wijnen, Fackson Mwale, James C. Iatridis, Daisuke Sakai, Gina Votta‐Velis, Hee‐Jeong Im

Notice bibliographique

RevueJournal of Orthopaedic Research® · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesArthritis FoundationFoundation for the National Institutes of Health
Mots-clésEtiologyLow back painMedicineIntensive care medicinePhysical therapyInternal medicineAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

Chronic low back pain is a major cause of disability and health care costs. Effective treatments are inadequate for many patients. Animal models are essential to further understanding of the pain mechanism and testing potential therapies. Currently, a number of preclinical models have been developed attempting to mimic aspects of clinical conditions that contribute to low back pain (LBP). This review focused on describing these animal models and the main behavioral tests for assessing pain in each model. Animal models of LBP can be divided into the following five categories: Discogenic LBP, radicular back pain, facet joint osteoarthritis back pain, muscle-induced LBP, and spontaneous occurring LBP models. These models are important not only for enhancing our knowledge of how LBP is generated, but also for the development of novel therapeutic regimens to treat LBP in patients. © 2017 Orthopaedic Research Society. Published by Wiley Periodicals, Inc. J Orthop Res 36:1305-1312, 2018.

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)0,012
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,344
Tête enseignante GPT0,497
Écart entre enseignants0,153 · 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'étudeAutre devis
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

Citations59
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopaedic Research®Même sujetMusculoskeletal pain and rehabilitationTravaux en français237 207