MétaCan
Menu
Retour à la cohorte
Enregistrement W3100562576 · doi:10.1186/s13293-020-00339-y

Sex differences in neuro(auto)immunity and chronic sciatic nerve pain

2020· review· en· W3100562576 sur OpenAlexafffund
Katja Linher‐Melville, Anita Shah, Gurmit Singh

Notice bibliographique

RevueBiology of Sex Differences · 2020
Typereview
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineChronic painImmune systemSciaticaImmunologyNeuropathic painNeuroscienceAntigenAutoantibodyContext (archaeology)HomeostasisNerve injuryPsychologyInternal medicineBiologyAntibodyAnesthesiaPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Chronic pain occurs with greater frequency in women, with a parallel sexually dimorphic trend reported in sufferers of many autoimmune diseases. There is a need to continue examining neuro-immune-endocrine crosstalk in the context of sexual dimorphisms in chronic pain. Several phenomena in particular need to be further explored. In patients, autoantibodies to neural antigens have been associated with sensory pathway hyper-excitability, and the role of self-antigens released by damaged nerves remains to be defined. In addition, specific immune cells release pro-nociceptive cytokines that directly influence neural firing, while T lymphocytes activated by specific antigens secrete factors that either support nerve repair or exacerbate the damage. Modulating specific immune cell populations could therefore be a means to promote nerve recovery, with sex-specific outcomes. Understanding biological sex differences that maintain, or fail to maintain, neuroimmune homeostasis may inform the selection of sex-specific treatment regimens, improving chronic pain management by rebalancing neuroimmune feedback. Given the significance of interactions between nerves and immune cells in the generation and maintenance of neuropathic pain, this review focuses on sex differences and possible links with persistent autoimmune activity using sciatica as an example.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,325
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiology of Sex DifferencesMême sujetPain Mechanisms and TreatmentsTravaux en français237 207