Digging deeper into pain: an ethological behavior assay correlating well-being in mice with human pain experience
Notice bibliographique
Résumé
ABSTRACT: The pressing need for safer, more efficacious analgesics is felt worldwide. Preclinical tests in animal models of painful conditions represent one of the earliest checkpoints novel therapeutics must negotiate before consideration for human use. Traditionally, the pain status of laboratory animals has been inferred from evoked nociceptive assays that measure their responses to noxious stimuli. The disconnect between how pain is tested in laboratory animals and how it is experienced by humans may in part explain the shortcomings of current pain medications and highlights a need for refinement. Here, we survey human patients with chronic pain who assert that everyday aspects of life, such as cleaning and leaving the house, are affected by their ongoing level of pain. Accordingly, we test the impact of painful conditions on an ethological behavior of mice, digging. Stable digging behavior was observed over time in naive mice of both sexes. By contrast, deficits in digging were seen after acute knee inflammation. The analgesia conferred by meloxicam and gabapentin was compared in the monosodium iodoacetate knee osteoarthritis model, with meloxicam more effectively ameliorating digging deficits, in line with human patients finding meloxicam more effective. Finally, in a visceral pain model, the decrease in digging behavior correlated with the extent of disease. Ultimately, we make a case for adopting ethological assays, such as digging, in studies of pain in laboratory animals, which we believe to be more representative of the human experience of pain and thus valuable in assessing clinical potential of novel analgesics in animals.
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 | 0,011 | 0,001 |
| 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 ».