Resilience is associated with cortical gray matter of the antinociceptive pathway in people with chronic pain
Notice bibliographique
Résumé
Resilience is an important personal characteristic that influences health and recovery. Previous studies of chronic pain suggest that highly resilient people may be more effective at modulating their pain. Since brain gray matter in the antinociceptive pathway has also been shown to be abnormal in people with chronic pain, we examined whether resilience is related to gray matter in regions of interest (ROIs) of the antinociceptive pathway (rostral and subgenual anterior cingulate cortex (rACC, sgACC), anterior insula (aINS), dorsolateral prefrontal cortex (dlPFC)) normally and in people who are experiencing chronic pain. We extracted gray matter volume (GMV) and cortical thickness (CT) from 3T MRIs of 88 people with chronic pain (half males/females) and 86 healthy controls (HCs), who completed The Resilience Scale and Brief Pain Inventory. We found that resilience scores were significantly lower in people with chronic pain compared to HCs, whereas ROI GMV and CT were not different between groups. Resilience negatively correlated with average pain scores and positively correlated with GMV in the bilateral rACC, sgACC, and left dlPFC of people with chronic pain. Mediation analyses revealed that GMV in the right rACC and left sgACC partially co-mediated the relationship between resilience and average pain in people with chronic pain. The resilience-pain and some resilience-GMV relationships were sex-dependent. These findings suggest that the antinociceptive pathway may play a role in the impact of resilience on one's ability to modulate chronic pain. A better understanding of the brain-resilience relationship may help advance evidence-based approaches to pain management.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».