Developing new ways to assess neural control of pelvic organ function in spinal conditions: ICI‐RS 2023
Notice bibliographique
Résumé
OBJECTIVES: Several central nervous system (CNS) centers affect muscle groups of the lower urinary tract (LUT) and anorectal tract (ART) via autonomic and somatic pathways, working in different modes (storage or expulsion). Hence spinal cord dysfunction can affect the LUT and ART by several possible mechanisms. METHODS: This review reports the discussions of a workshop at the 2023 meeting of the International Consultation on Incontinence Research Society, which reviewed uncertainties and research priorities of spinal dysfunction. RESULTS: Discussion focussed on the levator ani nerve, mechanisms underpinning sensory function and sensation, functional imaging, dyssynergia, and experimental models. The following key research questions were identified. (1) Clinically, how can we evaluate the levator ani muscle to support assessment and identify prognosis for effective treatment selection? (2) How can we reliably measure levator ani tone? (3) How can we evaluate sensory information and sensation for the LUT and the ART? (4) What is the role of functional CNS imaging in development of scientific insights and clinical evaluation? (5) What is the relationship of detrusor sphincter dyssynergia to renal failure? CONCLUSIONS: Spinal cord dysfunction can fundamentally disrupt LUT and ART function, with considerable clinical impact. The evaluation needs to reflect the full scope of potential problems, and new clinical and diagnostic approaches are needed, for prognosis and treatment. The preclinical science evaluating spinal cord function in both LUT and ART storage and elimination remains a major priority, even though it is a challenging experimental context. Without this underpinning evidence, development of new clinical evidence may be held back.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».