Pain’s Adverse Impact on Training-Induced Performance and Neuroplasticity: A Systematic Review
Notice bibliographique
Résumé
Motor training is a widely used therapy in many pain conditions. The brain's capacity to undergo functional and structural changes i.e., neuroplasticity is fundamental to training-induced motor improvement and can be assessed by transcranial magnetic stimulation (TMS). The aim was to investigate the impact of pain on training-induced motor performance and neuroplasticity assessed by TMS. The review was carried out in accordance with the PRISMA-guidelines and a Prospero protocol (CRD42020168487). An electronic search in PubMed, Web of Science and Cochrane until December 13, 2019, identified studies focused on training-induced neuroplasticity in the presence of experimentally-induced pain, 'acute pain' or in a chronic pain condition, 'chronic pain'. Included studies were assessed by two authors for methodological quality using the TMS Quality checklist, and for risk of bias using the Newcastle-Ottawa Scale. The literature search identified 231 studies. After removal of 71 duplicates, 160 abstracts were screened, and 24 articles were reviewed in full text. Of these, 17 studies on acute pain (n = 7) or chronic pain (n = 10), including a total of 258 patients with different pain conditions and 248 healthy participants met the inclusion criteria. The most common types of motor training were different finger tasks (n = 6). Motor training was associated with motor cortex functional neuroplasticity and six of seven acute pain studies and five of ten chronic pain studies showed that, compared to controls, pain can impede such trainings-induced neuroplasticity. These findings may have implications for motor learning and performance and with putative impact on rehabilitative procedures such as physiotherapy.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».