Is there a difference between heat-capsaicin induced low back pain and placebo for neural oscillations and inflammatory blood markers? An experimental randomized crossover study
Notice bibliographique
Résumé
Purpose: Low back pain is difficult to study due to its heterogeneity. Inducing back pain experimentally, with an established model such as heat-capsaicin, would beneficially control for some variability. How heat-capsaicin affects neurophysiological factors relevant to back pain is currently unknown, therefore, this study used a randomized crossover design with the aim to explore the differences between heat-capsaicin and placebo on brain activity and blood markers. Methods: 18 healthy participants completed two sessions: heat-capsaicin (45°C heat + capsaicin) and placebo (reduced heat + placebo). Pre- and post-pain-induction/placebo, electroencephalogram and blood draws were taken, and perceived pain was rated with a 100 m visual analog scale. Band power was calculated for theta (4-8 Hz), alpha (8-13 Hz), beta (13-30 Hz), gamma1 (30-58 Hz), and gamma2 (62-100 Hz) for six brain regions. An immune assay was run on plasma in duplicate for cytokines IL-1β, IL-6, IL-10, and TNFα. A repeated measures ANCOVA was run for all variables comparing between conditions (heat-capsaicin, placebo) with baseline measures as covariates. A Pearson's correlation was used to determine the relationship between perceived pain ratings and brain wave and blood biomarkers. Results: ≥ 0.15). Conclusion: Levels of perceived pain did not relate to neurophysiological changes that may occur immediately after heat-capsaicin exposure. Although changes have been found with other pain models and clinical low back pain, a statistically significant systematic response was not measurable using blood cytokine markers immediately after pain induction and may take longer to develop.
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 | 0,009 | 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 | 0,000 |
| 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 ».