Pathomechanisms of head and neck cancer pain
Bibliographic record
Abstract
Nowotwory głowy i szyi wywołują u pacjentów silny ból, który obniża jakość życia i utrudnia wykonywanie podstawowych funkcji życiowych.Leczenie tego bólu dostępnymi metodami stanowi duże wyzwanie terapeutyczne.Obecnie próbuje się znaleźć rozwiązanie w bezpośrednim blokowaniu mechanizmów odpowiedzialnych za ból.Dokładne mechanizmy molekularne powstawania tego zjawiska nie są jednak do końca poznane.Wśród czynników wywołujących ból w chorobie nowotworowej głowy i szyi istotną rolę odgrywają cytokiny.Są to czynnik martwicy nowotworów α, interleukiny, endoteliny i czynniki neurotroficzne, takie jak czynnik wzrostu nerwów.Wydzielane przez guz i tkankę aktywują i uczulają receptory na neuronach aferentnych.Receptory dla tych cząsteczek to receptory z rodziny TRP oraz ich swoiste receptory.Do powstania bólu przyczyniają się także elementy mikrośrodowiska guza, wśród których znajdują się między innymi proteazy i jony wodorowe.Aktywują i regulują inne receptory bólu -receptory z rodziny PAR.Niniejszy artykuł przedstawia aktualny stan wiedzy dotyczący najpowszechniej badanych patomechanizmów powstawania bólu w nowotworach głowy i szyi. Słowa kluczowe: ból, nowotwory głowy i
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".