Recent advances in understanding and managing phantom limb pain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Post-amputation phantom limb pain (PLP) is highly prevalent and very difficult to treat. The high-prevalence, high-pain intensity levels, and decreased quality of life associated with PLP compel us to explore novel avenues to prevent, manage, and reverse this chronic pain condition. This narrative review focuses on recent advances in the treatment of PLP and reviews evidence of mechanism-based treatments from randomized controlled trials published over the past 5 years. We review recent evidence for the efficacy of targeted muscle reinnervation, repetitive transcranial magnetic stimulation, imaginal phantom limb exercises, mirror therapy, virtual and augmented reality, and eye movement desensitization and reprocessing therapy. The results indicate that not one of the above treatments is consistently better than a control condition. The challenge remains that there is little level 1 evidence of efficacy for PLP treatments and most treatment trials are underpowered (small sample sizes). The lack of efficacy likely speaks to the multiple mechanisms that contribute to PLP both between and within individuals who have sustained an amputation. Research approaches are called for to classify patients according to shared factors and evaluate treatment efficacy within classes. Subgroup analyses examining sex effects are recommended given the clear differences between males and females in pain mechanisms and outcomes. Use of novel data analytical approaches such as growth mixture modeling for multivariate latent classes may help to identify sub-clusters of patients with common outcome trajectories over time.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle