“Neuroinflammation”: does it have a role in chronic pain? Evidence from human imaging
Notice bibliographique
Résumé
ABSTRACT: Despite hundreds of studies demonstrating the involvement of neuron-glia-immune interactions in the establishment and/or maintenance of persistent pain behaviors in animals, the role (or even occurrence) of so-called "neuroinflammation" in human pain has been an object of contention for decades. Here, I present the results of multiple positron emission tomography (PET) studies measuring the levels of the 18 kDa translocator protein (TSPO), a putative neuroimmune marker, in individuals with various pain conditions. Overall, these studies suggest that brain TSPO PET signal: (1) is elevated, compared to healthy volunteers, in individuals with chronic low back pain (with additional elevations in spinal cord and neuroforamina), fibromyalgia, migraine and other conditions characterized by persistent pain; (2) has a spatial distribution exhibiting a degree of disorder specificity; (3) is parametrically linked to pain characteristics or comorbid symptoms (eg, nociplastic pain, fatigue, depression), as well as measures of brain function (ie, functional connectivity), in a regionally-specific manner. In this narrative, I also discuss important caveats to consider in the interpretation of this work (eg, regarding the cellular source of the signal and the complexities inherent in its acquisition and analysis). While the biological and clinical significance of these findings awaits further work, this emerging preclinical literature supports a role of neuron-glia-immune interactions as possible pathophysiological underpinnings of human chronic pain. Gaining a deeper understanding of the role of neuroimmune function in human pain would likely have important practical implications, possibly paving the way for novel interventions.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».