MétaCan
Menu
Retour à la cohorte
Enregistrement W3129748755 · doi:10.1113/jp281145

A task‐relevant experimental pain model to target motor adaptation

2021· article· en· W3129748755 sur OpenAlexaff
Alessio Gallina, Jacques Abboud, Jean‐Sébastien Blouin

Notice bibliographique

RevueThe Journal of Physiology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensVancouver Coastal HealthUniversité du Québec à Trois-RivièresUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHabituationPhysical medicine and rehabilitationAdaptation (eye)PsychologyPerceptionIntensity (physics)Physical therapyMedicineAudiologyNeurosciencePhysics

Résumé

récupéré en direct d'OpenAlex

Key points Motor adaptation is thought to be a strategy to avoid pain. Current experimental pain models do not allow for consistent modulation of pain perception depending on movement. We showed that low‐frequency sinusoidal stimuli delivered at painful intensity result in minimal habituation of pain perception (over 60 s) and minimal stimulation artefacts on electromyographic signals. When the amplitude of the low‐frequency sinusoidal stimuli was modulated based on the vertical force participants applied to the ground with their right leg while standing upright, we demonstrated a strong association between perceived pain and motor adaptation. By enabling task‐relevant modulation of perceived pain intensity and the recording electromyographic signals during electrical painful stimulation, our novel pain model will permit direct experimental testing of the relationship between pain and motor adaptation. Abstract Contemporary pain adaptation theories predict that motor adaptation occurs to limit pain. Current experimental pain models, however, do not allow for pain intensity modulation according to one's posture or movements. We developed a task‐relevant experimental pain model using low‐frequency sinusoidal electrical stimuli applied over the infrapatellar fat pad. In fourteen participants, we compared perceived pain habituation and stimulation‐induced artefacts in vastus medialis electromyographic recordings elicited by sinusoidal (4, 10, 20 and 50 Hz) and square electrical waveforms delivered at constant peak stimulation amplitude. Next, we simulated a clinical condition where perceived knee pain intensity is proportional to the load applied on the leg by controlling sinusoidal current amplitude (4 Hz) according to the vertical force the participants applied with their right leg to the ground while standing upright. Pain ratings habituated over a 60 s period for 50 Hz sinusoidal and square waveforms but not for low‐frequency sinusoidal stimuli (P < 0.001). EMG filters removed most stimulation artefacts for low‐frequency sinusoidal stimuli (4 Hz). While balancing upright, participants’ pain ratings were correlated with the force applied by the right leg (R2 = 0.65), demonstrating task‐relevant changes in perceived pain intensity. Low‐frequency sinusoidal stimuli can induce knee pain of constant intensity for 60 s with minimal EMG artefacts while enabling task‐relevant pain modulation when controlling current amplitude. By enabling task‐dependent modulation of perceived pain intensity, our novel experimental model replicates key temporal aspects of clinical musculoskeletal pain while allowing quantification of neuromuscular activation during painful electrical stimulation. This approach will enable researchers to test the predicted relationship between movement strategies and 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of PhysiologyMême sujetMuscle activation and electromyography studiesTravaux en français237 207