Potential Role of MRI Imaging for Myofascial Pain: A Scoping Review for the Clinicians and Theoretical Considerations
Notice bibliographique
Résumé
The most common cause of chronic musculoskeletal pain is chronic myofascial pain syndrome (MPS). MPS often presents with increased muscle stiffness, and the myofascial trigger point (MTrP). Imaging modalities have been used to identify the MTrP, but their role in the detection and diagnosis of MPS remains unclear. The purpose of this review was to identify evidence in literature for the use of imaging in the role of classifying and explaining the physiology of MTrPs. Since few imaging techniques have been performed on MTrPs, we explored the imaging techniques that can effectively image complex skeletal muscle microstructure, and how they could be used. As part of a scoping review, we conducted a systematic search from three medical databases (CINAHL, EMBASE and MEDLINE) from year to year to analyze past MTrP imaging, as well as analyzing imaging techniques performed on the microstructure of muscle. Previously, ultrasound has been used to differentiate active, latent MTrPs, but these studies do not adequately address their underlying anatomical structure. MRI remains the standard method of imaging skeletal muscle. The existing MRI literature suggests that the DTI technique can quantify muscle injury, strain, and structure. However, theoretically, HARDI and DKI techniques seem to provide more information for complex structural areas, although these modalities have a disadvantage of longer scan times and have not been widely used on skeletal muscle. Our review suggests that DTI is the most effective imaging modality that has been used to define the microstructure of muscle and hence, could be optimal to image the MTrP. HARDI and DKI are techniques with theoretical potential for analysis of muscle, which may provide more detailed information representative of finer muscle structural features. Future research utilizing MRI techniques to image muscle are necessary to provide a more robust means of imaging skeletal muscle and the MTrP.
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 | 0,016 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,026 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,003 |
| 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 ».