Lower corticospinal excitability and greater fatigue among people with multiple sclerosis experiencing pain
Notice bibliographique
Résumé
Introduction: Persons with multiple sclerosis (MS) frequently report pain that negatively affects their quality of life. Evidence linking pain and corticospinal excitability in MS is sparse. We aimed to (1) examine differences in corticospinal excitability in MS participants with and without pain and (2) explore predictors of pain. Methods: Sixty-four participants rated their pain severity on a visual analog scale (VAS). Transcranial magnetic stimulation (TMS) and validated clinical instruments characterized corticospinal excitability and subjective disease features like mood and fatigue. We retrieved information on participants' prescriptions and disability status from their clinical records. Results: Fifty-five percent of participants reported pain that affected their daily functioning. Persons with pain had significantly greater fatigue and lower area under the excitatory motor evoked potential (MEP) recruitment curve (eREC AUC), a measure of total corticospinal excitability. After controlling for age, disability status, and pain medications, increased fatigue and decreased eREC AUC together explained 40% of the variance in pain. Discussion: Pain in MS is multifactorial and relates to both greater fatigue and lesser corticospinal excitability. Future work should better characterize relationships between these outcomes to develop targeted pain interventions such as neuromodulation. Summary: We examined pain in MS. Individuals with pain had higher fatigue and lower corticospinal excitability than those without pain. These outcomes significantly predicted self-reported 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».