Sensory phenotypes in complex regional pain syndrome and chronic low back pain—indication of common underlying pathomechanisms
Notice bibliographique
Résumé
Introduction: First-line pain treatment is unsatisfactory in more than 50% of chronic pain patients, likely because of the heterogeneity of mechanisms underlying pain chronification. Objectives: This cross-sectional study aimed to better understand pathomechanisms across different chronic pain cohorts, regardless of their diagnoses, by identifying distinct sensory phenotypes through a cluster analysis. Methods: We recruited 81 chronic pain patients and 63 age-matched and sex-matched healthy controls (HC). Two distinct chronic pain cohorts were recruited, ie, complex regional pain syndrome (N = 20) and low back pain (N = 61). Quantitative sensory testing (QST) was performed in the most painful body area to investigate somatosensory changes related to clinical pain. Furthermore, QST was conducted in a pain-free area to identify remote sensory alterations, indicating more widespread changes in somatosensory processing. Results: Two clusters were identified based on the QST measures in the painful area, which did not represent the 2 distinct pain diagnoses but contained patients from both cohorts. Cluster 1 showed increased pain sensitivities in the painful and control area, indicating central sensitization as a potential pathomechanism. Cluster 2 showed a similar sensory profile as HC in both tested areas. Hence, either QST was not sensitive enough and more objective measures are needed to detect sensitization within the nociceptive neuraxis or cluster 2 may not have pain primarily because of sensitization, but other factors such as psychosocial ones are involved. Conclusion: These findings support the notion of shared pathomechanisms irrespective of the pain diagnosis. Conversely, different mechanisms might contribute to the pain of patients with the same diagnosis.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».