Experimental Pain Phenotypes in Older Adults with Knee Osteoarthritis: A Neural Network-Based Clustering Approach
Notice bibliographique
Résumé
Abstract Research has emphasized the “phenotyping” of knee osteoarthritis (KOA) pain as a priority to effectively target therapies to individual patients. Following this initiative, this study aimed to characterize pain phenotypes based on experimental pain responses in older adults with symptomatic KOA. We utilized baseline data from a clinical trial that combined non-invasive neuromodulation and meditation in its multimodal approach (N = 200). Participants completed demographic and clinical questionnaires, followed by a multimodal quantitative sensory testing (QST) battery. For phenotyping, we implemented a two-layer neural network-based k-means algorithm. Four phenotypes emerged, showing significant differences across QST measures (p < 0.001) and were characterized as: (1) high pressure pain thresholds and high conditioned pain modulation (indicating low sensitivity to pain and efficient descending inhibition); (2) average pain responses across most QST modalities; (3) low pressure pain thresholds, high punctate mechanical pain, enhanced temporal summation of pain, and low conditioned pain modulation (indicating full manifestation of peripheral, spreading, and central sensitization along with deficient descending inhibition); and (4) low heat pain thresholds, low heat pain tolerance, and high cold pain (indicating high sensitivity to thermal stimuli). Phenotypes differed by gender, marital status, pain severity (measured by the numeric rating scale), and KOA-related symptoms (measured by the Western Ontario and McMaster Universities Osteoarthritis Index) (p < 0.05). Our findings suggest that older adults with symptomatic KOA should be treated according to their phenotypes. Additionally, the identified phenotypes may be useful for selecting and stratifying patients in clinical trials evaluating analgesic compounds and non-pharmacological interventions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».