MétaCan
Menu
Retour à la cohorte
Enregistrement W4386961987 · doi:10.3389/fpain.2023.1220034

Neuropathic pain; what we know and what we should do about it

2023· review· en· W4386961987 sur OpenAlex
Peter A. Smith

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Pain Research · 2023
Typereview
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNeuropathic painNeuroscienceMedicineNerve injurySpinal cord injurySensory systemDiseaseNociceptorPeripheral nerve injuryNociceptionSpinal cordPsychologyAnesthesiaPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Neuropathic pain can result from injury to, or disease of the nervous system. It is notoriously difficult to treat. Peripheral nerve injury promotes Schwann cell activation and invasion of immunocompetent cells into the site of injury, spinal cord and higher sensory structures such as thalamus and cingulate and sensory cortices. Various cytokines, chemokines, growth factors, monoamines and neuropeptides effect two-way signalling between neurons, glia and immune cells. This promotes sustained hyperexcitability and spontaneous activity in primary afferents that is crucial for onset and persistence of pain as well as misprocessing of sensory information in the spinal cord and supraspinal structures. Much of the current understanding of pain aetiology and identification of drug targets derives from studies of the consequences of peripheral nerve injury in rodent models. Although a vast amount of information has been forthcoming, the translation of this information into the clinical arena has been minimal. Few, if any, major therapeutic approaches have appeared since the mid 1990's. This may reflect failure to recognise differences in pain processing in males vs. females, differences in cellular responses to different types of injury and differences in pain processing in humans vs. animals. Basic science and clinical approaches which seek to bridge this knowledge gap include better assessment of pain in animal models, use of pain models which better emulate human disease, and stratification of human pain phenotypes according to quantitative assessment of signs and symptoms of disease. This can lead to more personalized and effective treatments for individual patients. Significance statement: There is an urgent need to find new treatments for neuropathic pain. Although classical animal models have revealed essential features of pain aetiology such as peripheral and central sensitization and some of the molecular and cellular mechanisms involved, they do not adequately model the multiplicity of disease states or injuries that may bring forth neuropathic pain in the clinic. This review seeks to integrate information from the multiplicity of disciplines that seek to understand neuropathic pain; including immunology, cell biology, electrophysiology and biophysics, anatomy, cell biology, neurology, molecular biology, pharmacology and behavioral science. Beyond this, it underlines ongoing refinements in basic science and clinical practice that will engender improved 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.

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)0,039
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,905
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0390,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
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 Opus0,216
Tête enseignante GPT0,443
Écart entre enseignants0,228 · 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