Systematic Review and Synthesis of Mechanism-based Classification Systems for Pain Experienced in the Musculoskeletal System
Notice bibliographique
Résumé
OBJECTIVES: Improvements in pain management might be achieved by matching treatment to underlying mechanisms for pain persistence. Many authors argue for a mechanism-based classification of pain, but the field is challenged by the wide variation in the proposed terminology, definitions, and typical characteristics. This study aimed to (1) systematically review mechanism-based classifications of pain experienced in the musculoskeletal system; (2) synthesize and thematically analyze classifications, using the International Association for the Study of Pain categories of nociceptive, neuropathic, and nociplastic as an initial foundation; and (3) identify convergence and divergence between categories, terminology, and descriptions of each mechanism-based pain classification. MATERIALS AND METHODS: Databases were searched for papers that discussed a mechanism-based classification of pain experienced in the musculoskeletal system. Terminology, definitions, underlying neurobiology/pathophysiology, aggravating/easing factors/response to treatment, and pain characteristics were extracted and synthesized on the basis of thematic analysis. RESULTS: From 224 papers, 174 terms referred to pain mechanisms categories. Data synthesis agreed with the broad classification on the basis of ongoing nociceptive input, neuropathic mechanisms, and nociplastic mechanisms (eg, central sensitization). "Mixed," "other," and the disputed categories of "sympathetic" and "psychogenic" pain were also identified. Thematic analysis revealed convergence and divergence of opinion on the definitions, underlying neurobiology, and characteristics. DISCUSSION: Some pain categories were defined consistently, and despite the extensive efforts to develop global consensus on pain definitions, disagreement still exists on how each could be defined, subdivided, and their characteristic features that could aid differentiation. These data form a foundation for reaching consensus on classification.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,198 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,042 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».