Blue-light treatment reduces spontaneous and evoked pain in a human experimental pain model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Chronic pain is a frequent severe disease and often associated with anxiety, depression, insomnia, disability, and reduced quality of life. This maladaptive condition is further characterized by sensory loss, hyperalgesia, and allodynia. Blue light has been hypothesized to modulate sensory neurons and thereby influence nociception. OBJECTIVES: Here, we compared the effects of blue light vs red light and thermal control on pain sensation in a human experimental pain model. METHODS: Pain, hyperalgesia, and allodynia were induced in 30 healthy volunteers through high-density transcutaneous electrical stimulation. Subsequently, blue light, red light, or thermal control treatment was applied in a cross-over design. The nonvisual effects of the respective light treatments were examined using a well-established quantitative sensory testing protocol. Somatosensory parameters as well as pain intensity and quality were scored. RESULTS: Blue light substantially reduced spontaneous pain as assessed by numeric rating scale pain scoring. Similarly, pain quality was significantly altered as assessed by the German counterpart of the McGill Pain Questionnaire. Furthermore, blue light showed antihyperalgesic, antiallodynic, and antihypesthesic effects in contrast to red light or thermal control treatment. CONCLUSION: Blue-light phototherapy ameliorates pain intensity and quality in a human experimental pain model and reveals antihyperalgesic, antiallodynic, and antihypesthesic effects. Therefore, blue-light phototherapy may be a novel approach to treat pain in multiple conditions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle