Biological Markers of Musculoskeletal Pain: A Scoping Review
Notice bibliographique
Résumé
Codjo Djignefa Djade,1– 3,* Caroline Diorio,1,2,* Danielle Laurin,2– 4,* Septime Pepin Hector Hessou,1 Alfred Kodjo Toi,2 Amédé Gogovor,2 Aboubacar Sidibe,1 Giraud Ekanmian,2 Teegwendé Valérie Porgo,5 Hervé Tchala Vignon Zomahoun,1 Clermont E Dionne1– 3,6,* 1Department of Social and Preventive Medicine, Faculty of Medicine, Université Laval, Québec City, QC, Canada; 2Centre de recherche du CHU de Québec-Université Laval, Québec City, QC, Canada; 3Centre d’Excellence sur le Vieillissement de Québec (CEVQ), VITAM – Research Center on Sustainable Health, Québec City, QC, Canada; 4Faculty of Pharmacy, Université Laval, Québec City, QC, Canada; 5World Bank Group, Health, Nutrition, and Population Global Practice, Washington (DC), USA; 6Department of Rehabilitation, Faculty of Medicine, Université Laval, Québec City, QC, Canada*These authors contributed equally to this workCorrespondence: Clermont E Dionne, Centre de recherche du CHU de Québec-Université Laval, Hôpital du Saint-Sacrement, 1050, chemin Ste-Foy, Québec, QC, G1S 4L8, Canada, Tel +1(418) 682-7511 ext. 84675, Fax +1(418) 682-7949, Email clermont.dionne@crchudequebec.ulaval.caBackground: Musculoskeletal pain (MSP) is the leading contributor to disability, limiting mobility and dexterity. As research on the determinants of MSP is evolving, biomarkers can probably play a significant role in understanding its causes and improving its clinical management. This scoping review aimed to provide an overview of the associations between biomarkers and MSP.Methods: This study followed Arksey and O’Malley and PRISMA-ScR recommendations. Keywords related to biomarkers, association, and MSP were searched on PubMed, Embase, Cochrane, and Web of Science databases from inception to September 28th, 2023. Data were systematically retrieved from the retained articles. A narrative synthesis approach – but no quality assessment – was used to map the core themes of biological markers of MSP that emerged from this work.Results: In total, 81 out of 25,165 identified articles were included in this scoping review. These studies were heterogeneous in many aspects. Overall, vitamin D deficiency, dyslipidemia (or hypercholesterolemia), and cytokines (high levels) were the most studied biomarkers with regards to MSP and were most often reported to be associated with non-specific MSP. Cadmium, calcium, C-reactive protein, collagen, creatinine, hormones, omega-3 fatty acids, sodium, tumor necrosis factor-alpha, and vitamin C were also reported to be associated with MSP syndromes, but the evidence on these associations was sketchier. No conclusions could be drawn as to age and sex.Conclusions: Our findings suggest that some biomarkers are associated with specific MSP syndromes, while others would be associated with non-specific syndromes. Among all candidate markers, the evidence seems to be more consistent for vitamin D, cytokines and lipids (total cholesterol, triglycerides, low- and high-density lipoproteins). High-quality studies, stratified by age and sex, are needed to advance our understanding on biomarkers of MSP.Keywords: musculoskeletal pain, biomarkers, scoping review
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».