MétaCan
Menu
Retour à la cohorte
Enregistrement W4394129425 · doi:10.6084/m9.figshare.11445582

Commonalities and differences in abnormal peripheral metabolites between patients with fibromyalgia and complex regional pain syndrome

2019· dataset· en· W4394129425 sur OpenAlexaboutno aff
Ye-Ha Jung, Won Joon Lee, Dasom Lee, Jae Yeon Lee, Jee Youn Moon, Yong Chul Kim, Soo‐Hee Choi

Notice bibliographique

RevueFigshare · 2019
Typedataset
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFibromyalgiaPeripheralComplex regional pain syndromeFibromyalgia syndromeMedicineInternal medicineNeurosciencePsychologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: Fibromyalgia (FM) and complex regional pain syndrome (CRPS) share many pathological mechanisms related to chronic pain that could contribute to multifactorial pathological mechanisms. Methods: We investigated peripheral metabolites in FM and CRPS patients compared to healthy controls based on cross-sectional study. Results: Mean corpuscular hemoglobin (p p = 0.014), and total bilirubin levels (p = 0.017) were lower in FM patients than in healthy controls. On the other hand, CRPS patients showed lower levels of total bilirubin than healthy controls (p = 0.037). Creatinine level was lower in FM patients (p = 0.057) compared to healthy controls, particularly when comparing the low-hemoglobin subgroup among FM patients (p = 0.035) with the low-hemoglobin subgroup among healthy controls. Red blood cell count (r = –0.620, p = 0.031), hematocrit (r = –0.593, p = 0.042), and creatinine level (r = –0.598, p = 0.040) showed negative correlations with McGill Pain Questionnaire-Affective (MPQ-A) scores in FM patients. A negative correlation was observed between MCV and McGill Pain Questionnaire-Sensory scores (r = –0.680, p = 0.015) in CRPS patients. Conclusion: We found specific peripheral metabolites that may exhibit different tendency between FM and CRPS patients as well as some common metabolites, which may be associated with peripheral pathology in the patients. Considering this study had a few limitations such as a small sample sizes and using a liberal threshold of significance in the correlation analysis, future studies with larger sample sizes may be needed to generalize these findings.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,060
Tête enseignante GPT0,259
Écart entre enseignants0,199 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetPain Management and TreatmentTravaux en français237 207