MétaCan
Menu
Retour à la cohorte
Enregistrement W2968881363 · doi:10.14744/ejmo.2019.58396

Sensory Pain Signals can be Modified by our Dietary Habits

2019· article· en· W2968881363 sur OpenAlexaff
Fateme Bahmaee

Notice bibliographique

RevueEurasian Journal of Medicine and Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSensory systemPsychologyFood scienceAudiologyPhysical medicine and rehabilitationNeuroscienceMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Transient receptor potential vanilloid 1 channels (TRPV1) which are playing an important role in conduction of pain signals to dorsal root ganglion (DRG), can be interacted by many external and internal factors. Food ingredients and herbal products have a great impact on these receptors. Topical application or oral consumption of these products are effective in reducing pain signals with different mechanisms of action. TRPV1 is involved in a various processes including nociception, thermosensation and energy homeostasis. Role of capsaicin, unsaturated omega fatty acids, minerals, and herbal products in pain relief and molecular mechanisms are being discussed. However, some dietary supplementation with TRPV1 activity, such as capsaicin, show conflicting results. TRPV1 channels and their agonist elements may play a great impact in decreasing the risk of obesity and diabetes through different mechanisms including reducing inflammation. Therefore, TRPV1 could be dysregulated in obesity leading to the development of obesity, diabetes. Further, TRPV1 channels look like to be responsible in pancreatic insulin secretion. Hopefully, we could make it possible to produce natural food supplements to reduce pain by focusing on the role of TRPV1 channels. This will further help clinicians and surgeons to reduce pain post-surgical procedures just by modifying the patient’s diet.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,047
Tête enseignante GPT0,331
Écart entre enseignants0,284 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurasian Journal of Medicine and OncologyMême sujetPain Mechanisms and TreatmentsTravaux en français237 207