Sensory descriptors which identify neuropathic pain mechanisms in low back pain: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: Descriptors provided by patients with neuropathic low back pain (NLBP) with or without spinally referred leg pain are frequently used by clinicians to help to identify the predominant pain mechanisms. Indeed, many neuropathic screening tools are primarily based on subjective descriptors to determine the presence of neuropathic pain. There is a need to systematically review and analyse the existing evidence to determine the validity of such descriptors in this cohort. METHODS: Ten databases were systematically searched. The review adhered to PRISMA and CRD guidelines and included a risk of bias assessment using QUADAS-2. Studies were included if they contained symptom descriptors from a group of NLBP patients +/- leg pain. Studies had to include a reference test to identity neuropathic pain from other pain mechanisms. RESULTS: Eight studies of 3099 NLBP patients were included. Allodynia and numbness were found to discriminate between NLBP and nociceptive LBP in four studies. Autonomic dysfunction, (changes in the colour or appearance of the skin), was also found to discriminate between the groups in two studies. Dysesthesia identified NLBP in 5/7 respectively. Results from studies were equivocal regarding pain described as hot/burning cold and paroxysmal pain in people with NLBP. CONCLUSION: Subjectively reported allodynia and numbness would suggest a neuropathic pain mechanism in LBP. Dysesthesia would raise the suspicion of NLBP. More research is needed to determine if descriptors suggesting autonomic dysfunction can identify NLBP. There is poor consensus on whether other descriptors can identify NLBP.
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 | 0,009 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».