Influence du microbiote sur la douleur
Bibliographic record
Abstract
De plus en plus d’études indiquent que le microbiote intestinal pourrait jouer un rôle important sur les fonctions du système nerveux en modulant l’activité des cellules nerveuses. Il a été montré que les produits dérivés des bactéries peuvent influencer la perception de la douleur. De plus, des perturbations du microbiote (ou dysbiose) sont souvent associées à des pathologies intestinales ou extraintestinales comme des désordres neurodégénératifs ou des troubles développementaux. Cette revue présente les études précliniques et cliniques mettant en évidence un impact du microbiote sur la perception de la douleur dans différents contextes pathologiques. Le lien entre le microbiote et l’activation des neurones est discuté au travers de l’interaction directe hôte–microbiote qui implique l’activation des nocicepteurs par les composés ou métabolites microbiens. De nouvelles études sur l’interaction entre le microbiote et le système nerveux devraient conduire à l’identification de nouveaux ligands microbiens et de médicaments ciblant les récepteurs de l’hôte, qui pourraient à terme améliorer la gestion de la douleur chronique et le « bien-être ».
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".