MétaCan
Menu
Retour à la cohorte
Enregistrement W4378648427 · doi:10.1152/physiol.2023.38.s1.5731603

The relationship between subjective pain ratings and sympathetic outflow during a cold pressor test

2023· article· en· W4378648427 sur OpenAlexaboutno aff
Laila Chaudhry, Yasmine Coovadia, Celine Chen, Charlotte W. Usselman

Notice bibliographique

RevuePhysiology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCold pressor testMicroneurographyMedicineSupine positionPhysical therapyRating scaleStimulus (psychology)Repeated measures designBlood pressureHeart ratePhysical medicine and rehabilitationAnesthesiaPsychologyInternal medicineDevelopmental psychologyBaroreflex

Résumé

récupéré en direct d'OpenAlex

Pain is the leading source of morbidity worldwide and a global clinical and societal challenge. Subjective pain scores are commonly employed in pain-centric research to quantify pain despite the presence of established organismic and environmental sources of intra- and interindividual variability in these scores. As a result, methods for the quantification of pain continue to be the focus of ongoing work in the pain field, including the search for objective biomarkers for pain.To that end, muscle sympathetic nerve activity (MSNA) has been proposed as an objective biomarker of pain. Therefore, the purpose of this study was to examine the relationship between changes in MSNA and changes in subjective pain ratings (PR) during an acute pain stimulus (i.e., cold pressor test (CPT)). Additionally, we examined whether MSNA measures were sensitive to within-subject changes in PR across time. We hypothesized that MSNA would be positively correlated with PR, and that both would increase steadily and concomitantly throughout a 6-minute CPT. We obtained integrated MSNA using peroneal microneurography (NeuroAmp, ADI; MSNA quantified as burst incidence (bursts/100hb)) during 10 minutes of supine rest and CPT in 10 young (aged 18-35 y) and healthy individuals (n=5 men). Participants reported PR on a numerical rating scale (0-10) at rest and during the CPT (timepoints: 30-s, 120-s, 240-s, and 330-s). One-way repeated measures ANOVAs assessed whether PR and MSNA changed over the CPT. PR increased over the CPT (p= 0.03) with a mean increase of 1±3 rating scale points from 30-s to 330-s. There was no main effect of time on MSNA (p=0.051), as it increased initially, but then decreased gradually thereafter. A linear regression analysis of the relationship between absolute PR and MSNA demonstrated a moderate positive correlation (r=0.43, p<0.01); however, relative changes in PR and MSNA over time (i.e., timepoints expressed relative to rest) were not correlated (r=-0.19, p=0.25). Meanwhile, acute changes in MSNA and PR from timepoint-to-timepoint (calculated as timepoint - previous timepoint) were strongly correlated (r=0.62, p<0.01). In summary, we observed similar patterns of change in subjective PR scores and MSNA during a CPT. These data suggest that MSNA is a valuable biomarker in the quantification of pain due to its consistency with subjective measures of pain. This research was funded by the National Science and Engineering Research Council of Canada. This is the full abstract presented at the American Physiology Summit 2023 meeting and is only available in HTML format. There are no additional versions or additional content available for this abstract. Physiology was not involved in the peer review process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,222

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,285
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiologyMême sujetPain Mechanisms and TreatmentsTravaux en français237 207