Does intra-epidermal electrical stimulation activate mechano- and thermo-nociceptors? A discrimination approach
Notice bibliographique
Résumé
BACKGROUND: Objective laboratory tests are needed to diagnose lesions within the nociceptive system accurately. One approach is assessing pain-related evoked potentials (PREPs) in response to intra-epidermal electrical stimulation (IES). In this context, peripheral characterization of the specificity of nociceptor activation with IES is needed. NEW METHOD: As IES directly depolarizes free nerve endings, it might allow a more comprehensive nociceptor activation than classical contact heat stimulation. Hence, this study aimed to investigate whether mechano-nociceptors are activated by IES. To test this hypothesis, a heat pain model was used to assess whether IES would show comparable pain hypersensitivity in the experimentally-induced area of secondary mechanical hyperalgesia (SMH), as known for pinprick but not for contact heat stimuli. Pain ratings and PREPs were recorded in response to 15 contact heat and pinprick stimuli as well as IES applied to the volar forearm before (PRE) and after (POST) a heat pain model inducing an area of SMH (EXP) or a control model (CTRL). RESULTS AND COMPARISON WITH EXISTING METHODS: All 24 participants (25.5 ± 4.7 y, 10 f/14 m) presented with SMH in POST-EXP condition. Pain ratings were significantly increased in EXP versus CTRL for IES (p = 0.016) and pinprick (p = 0.006) but not for contact heat (p = 0.683). PREP NP-amplitude between EXP and CTRL was only increased in response to pinprick (p = 0.027), but not to IES (p = 0.547) and contact heat stimuli (p = 0.070). CONCLUSIONS: Psychophysical assessments suggest mechano-nociceptor activation by IES, while PREPs do not support this assumption, indicating the predominant activation of thermo-nociceptors by IES.
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 | 0,001 | 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 ».