Latent Modulation of Neuropathic Pain Intensity via Hypothalamus-pituitary-thyroid Axis of Psychogenic Stress
Notice bibliographique
Résumé
Background: In patients with complex regional pain syndrome (CRPS) delayed pain flares consistently occur ten days following salient psychogenic stress episodes. Timing of latent flares suggests pain modulation via hypothalamus-pituitary-thyroid (HPT) axis hormones.\nObjective: To determine if thyroxine (T4) may modulate latent stress-related neuropathic pain flare intensity, temporal relationships between daily stress, serum T4 levels, and perceived pain intensity in patients with CRPS were investigated.\nPatients and Methods: Daily, for ten weeks, three patients with type I CRPS and no thyroid pathology Hx provided blood samples for T4 assay and ratings of stress and pain. Measures included visual analog pain scale, McGill pain questionnaire, and Daily Stress Scale. Blood draws yielded bound T4 and free thyroxine index (FTI) values using microplate enzyme immunoassay. Each sample was split for blind assay from two independent labs.\nResults: Across patients, 14 peak stress episodes and 26 significant pain flares were reported. Each stress episode was followed ten days by a significant pain flare and free T4 values exceeding normal adult range (2.4ng/dL). Serial lag correlations were strongest between stress and pain for pain experienced ten days after peak stress episodes (r=+0.381, p< 0.05). FTI correlated strongest with stress ten days following a stressful episode (r =+0.454, p< 0.001). Same-day pain and FTI correlated at r=+0.643, p< 0.001.\nConclusions: Increased pain ten days following stressful events is related to psychogenic HPT activity in CRPS patients. Pain modulation by thyroxine may assist understanding pain fluctuation etiology and suggest new treatment avenues for managing neuropathic 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 | 0,001 | 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) | 0,001 | 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 ».