Individual variability and sex differences in conditioned pain modulation and the impact of resilience, and conditioning stimulus pain unpleasantness and salience
Notice bibliographique
Résumé
Distinct pain experiences are shaped both by personal attributes and characteristics of noxious stimuli. An Individual's capacity for endogenous pain inhibition (reflected by conditioned pain modulation [CPM]), their resilience, and the pain unpleasantness and salience of painful stimuli can impact their pain perception. Here, we aimed to determine how individual variability in CPM relates to sex and resilience as personal attributes, and pain unpleasantness and salience of the CPM conditioning stimulus (CS). We evaluated CPM in 106 healthy participants (51 female and 55 male) based on the change in test stimulus pain applied concurrently with a painful CS, both delivered by painful heat. The CS reduced test stimulus pain in only half of the participants (CPM subgroup), but did not do so for the other half (no-CPM subgroup), many who exhibited pain facilitation. A regression model explained CPM effects after accounting for sex, resilience, CS pain unpleasantness and salience. In the CPM subgroup regression model, the CPM effect was positively related to CS pain unpleasantness, while the CPM effect was not related to any variable in the no-CPM subgroup model. Correlation analyses revealed that the CPM effect was anticorrelated with resilience in males with no-CPM. The CPM effect was correlated with CS pain unpleasantness in males with CPM and in females with no-CPM. The CPM effect and CS salience were correlated in the whole group more strongly than in the subgroups. These data reveal that the complexity of contributors to CPM variability include both personal attributes and attributes of the CS.
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 | 0,012 | 0,008 |
| 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 | 0,001 |
| 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 ».