Response to pregabalin and progesterone differs in male and female rat models of neuropathic and cancer pain
Notice bibliographique
Résumé
Background: Cancer pain involves nervous system damage and pathological neurogenesis. Neuropathic pain arises from damage to the nervous system and is driven by ectopic signaling. Both progesterone and pregabalin are neuroprotective in animal models, and there is evidence that both drugs bind to and inhibit voltage-gated calcium channels.Aims: This study was designed to characterize the effects of progesterone and pregabalin in preclinical models of cancer and neuropathic pain in both sexes.Methods: We measured peripheral sensory signaling by intracellular in vivo electrophysiology and behavioral indicators of pain in rat models of cancer-induced bone pain and neuropathic pain.Results: Female but not male models of cancer pain showed a behavioral response to treatment and pregabalin reduced excitability in C and A high-threshold but not low-threshold sensory neurons of both sexes. Male models of neuropathic pain treated with pregabalin demonstrated higher signaling thresholds only in A high-threshold neurons, and behavioral data indicated a clear recovery to baseline mechanical withdrawal thresholds in all treatment groups. Female rat treatment groups did not show excitability changes in sensory neurons, but all demonstrated higher mechanical withdrawal thresholds than vehicle-treated females, although not to baseline levels. Athymic female rat models of neuropathic pain showed no behavioral or electrophysiological responses to treatment.Conclusions: Both pregabalin and progesterone showed evidence of efficacy in male models of neuropathic pain. These results add to the evidence demonstrating differential effects of treatments for pain in male and female animals and widely differing responses in models of cancer and neuropathic 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».