Understanding therapies selected for managing pain associated with spinal cord injuries
Notice bibliographique
Résumé
Pain is a common consequence in patients who are suffering from a spinal cord injury (SCI). Such pain affects nearly all aspects of life including mood, physical function, and social activities. Management of pain must be preceded with a thorough clinical examination which characterizes pain according to a classification scheme. The International Spinal Cord Injury Pain classification system divides pain into three tiers: according to type (nociceptive or neuropathic), according to subtype (localization of pain), and according to the source. Neuropathic pain is predominately treated with three different types of pharmaceutical therapies – antidepressants, anticonvulsants, and analgesics. Multiple studies have shown amitriptyline, gabapentin, and pregabalin as being the most efficacious. Nociceptive pain is mainly treated with analgesics and physiotherapy, often together. Moreover, spasticity associated with nociceptive pain is treated with antispasmodics and physiotherapy. Non-traditional means of therapy, specifically transcutaneous electrical nerve stimulation, have demonstrated a favourable effect on pain. Nevertheless, finding an optimal treatment remains difficult and largely empirical. A stronger understanding of the mechanisms behind each pain type is needed in order to provide therapies that are better suited at targeting the source of the pain while minimizing possible side effects often seen in the SCI population. An integrated approach that ine tunes the combination of pharmacological and nonpharmacological therapies is needed for optimal management in SCI 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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».