Myofascial Pain Syndrome: A Narrative Review Identifying Inconsistencies in Nomenclature
Notice bibliographique
Résumé
There is currently confusion surrounding the phenotype of and diagnostic criteria for myofascial pain syndrome (MPS) in the published literature. This narrative literature review investigated whether there is consensus regarding the descriptive terminology used for MPS and the trend of MPS publications over time. The phrase "myofascial pain syndrome" was used to search PubMed and Web of Science, returning 923 articles. Of these, we included only full-text, primary research articles containing "myofascial pain syndrome" in the title, reducing the total articles reviewed to 167. We identified 116 descriptors and categorized them under one of five clusters that shared similar findings and are commonly associated with MPS: "trigger points," "muscle," "pain," "nervous system," and "fascia." The frequency of the clinical criteria of Travell and Simons was tabulated. Terms pertaining to the clusters "trigger points," "muscle," or "pain" appeared in approximately 90% of the articles; "nervous system" in 46%; and "fascia" in 20%. Only 42% used the criteria of Travell and Simons. Most articles (122) included a combination of three or four clusters to describe MPS. In addition, MPS publications have doubled since 2010 compared to the prior decade. The publication patterns, determined by changes in which specialty journals articles on MPS have been published, have shifted from investigational to intervention studies. This may have been influenced by heterogeneity in the usage of MPS terminology. This underscores the lack of a reliable MPS diagnosis and limits human subjects research. Improved consistency in terminology is needed to establish consensus within the field and to inform future research studying the pathophysiology of MPS.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».