Human models of pain for the prediction of clinical analgesia

مدلهای درد آزمایشی انسان به طور گسترده ای برای بررسی اثرات دارو در شرایط کنترل شده استفاده می شود. با این حال، تلاش برای بهبود مدل انتخاب آزمایشی حیوان و انسان براساس افزایش درک مکانیسم درد پاتوفیزیولوژیک پایه، ناامید کننده است، با ترجمه ضعیف نتایج به آنزیم بالینی. ما یک روش جایگزین برای انتخاب مدل های مناسب درد داریم که می تواند به طور صحیح توانایی دارو در محیط های بالینی خاص را پیش بینی کند. این بر مبنای تجزیه و تحلیل تجربی و یا تجربی ناکارآمد پیشگیری از بیهوشی بالینی با استفاده از مدلهای درد تجربی است. از نظر آماری، توزیع توافقات دو جانبه منتشر شده یا اختلاف نظر بین اثربخشی داروی در تنظیمات درد و درد بالینی تحلیل شده است. محدودیت های معناداری با استفاده از تصادفی تصادفی توافق نامه ها حاصل می شود. ما دریافتیم که یک زیرمجموعه محدود از مدل های درد، تعداد زیادی از تنظیمات درد مرتبط با بالینی را پیش بینی می کند، از جمله اثربخشی در برابر درد نوروپاتی که برای آن دردسرساز جدید مورد نیاز است. بنابراین، بر اساس شواهد تجربی از توافق بین داروها برای اثربخشی آنها در تنظیمات درد درمانی تجربی و بالینی، می توان مدل های درد را شناسایی کرد که قابل اعتماد بودن اثربخشی داروهای بالینی ضد درد در محیط های آزمایشگاهی مقرون به صرفه را پیش بینی می کنند.