Endogenous pain modulation (EPM) changes after a course of exercise therapy in low back pain (LBP): A pilot feasibility study
Notice bibliographique
Résumé
Objectives: A significant driver of low back pain (LBP) is adaptations to endogenous pain modulation (EPM). Exercise modulates pain through various mechanisms, however, there is a lack of information on its relation to EPM. The objective of this study was to evaluate the feasibility of a protocol investigating if changes in EPM occurs after exercise therapy. Methods: Participants were recruited from an ongoing randomized controlled trial comparing graded activity to motor control exercises. Participants attended 2 in person sessions pre and post intervention to assess pain pressure threshold (PPT), temporal summation (TS), conditioned pain modulation (CPM) and exercise induced hypoalgesia (EIH). Feasibility outcomes included attrition, recruitment rate, exercise adherence, protocol burden and consistency. In total, 36 (53%) eligible participants enrolled and completed baseline assessments. Results: A-priori thresholds for feasibility were met for attrition 32/36 (89%), recruitment rate (53% of eligible participant enrolled and 36 recruited in 6 months), exercise adherence (93.8%) and satisfaction with assessment protocols (bothersome 88.9%, future participation 97.2%), apart from discomfort with assessment (58.3%). Participants reported that the CPM caused the most discomfort. There was a trend for an increase in low back PPT, no change in TS, and a decrease in CPM and thumbnail PPT at follow up. The results demonstrated that the protocol is feasible for all pre-specified outcomes. Discussion: This article presents a protocol for EPM using PPT, TS, CPM and EIH that is feasible in a clinical trial for LBP. A future study is needed to further investigate EPM changes after exercise therapy in this population.
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 | 0,020 | 0,002 |
| 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 | 0,000 |
| 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 ».