Seeking the root causes of menstrual pain: A systematic review of biomarkers in menstrual effluent
Notice bibliographique
Résumé
Dysmenorrhea (period pain) affects over 40% of women and is a leading cause of missed school and workdays. However, the molecular mechanisms underlying this pain are not fully understood. We conducted a systematic review (Prospero registration: CRD42024535081) to identify and evaluate the biomolecules in menstrual effluent that may contribute to dysmenorrhea and assess how non-hormonal medications (e.g. NSAIDs) impact these biomarkers. Fifteen studies involving two hundred twenty-three participants met the inclusion criteria. We used the Newcastle-Ottawa Scale (for observational studies) and the Cochrane RoB2 tool (for randomized controlled trials) to evaluate the risk of bias and the quality of studies. Eight studies consistently reported elevated prostaglandin levels in the menstrual effluent of women with dysmenorrhea, though sample sizes were generally small, and methodological issues were noted. Seven studies demonstrated that NSAIDs reduce prostaglandin concentrations; however, these trials utilized multiple-day dosing protocols instead of single-dose regimens, leaving questions about acute treatment effects. Two studies highlighted alternative molecular targets, such as 12-HETE and platelet-activating factor (PAF), that may also play key roles in menstrual pain. Overall, elevated prostaglandins are a recurring finding, but the limited scope and design of existing studies indicate a need for larger, methodologically rigorous investigations. Nevertheless, the few studies that identified molecules other than prostaglandins suggest there are viable druggable targets for clinical trials to reduce menstrual pain.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».