Treating Concurrent Chronic Low Back Pain and Depression with Low-Dose Venlafaxine: An Initial Identification of “Easy-to-Use” Clinical Predictors of Early Response
Notice bibliographique
Résumé
OBJECTIVE: Depression and chronic low back pain (CLBP) are both frequent and commonly comorbid in older adults seeking primary care. Serotonin-norepinephrine reuptake inhibitors (SNRIs) such as venlafaxine may be effective in treating comorbid depression and CLBP. For patients with comorbid depression and CLBP, our goal was to identify "easy-to-use" early clinical variables associated with response to 6 weeks of low-dose venlafaxine pharmacotherapy that could be used to construct a clinically useful predictive model in future studies. METHODS: We report data from the first 140 patients completing phase 1 of the Addressing Depression and Pain Together clinical trial. Patients aged ≥60 with concurrent depression and CLBP received 6 weeks of open-label venlafaxine 150 mg/day and supportive management. Using univariate and multivariate methods, we examined a variety of clinical predictors and their association with response to both depression and CLBP; change in depression; and change in pain scores at 6 weeks. RESULTS: About 26.4% of patients responded for both depression and pain with venlafaxine. Early improvement in pain at 2 weeks predicted improved response rates (P = 0.027). Similarly, positive changes in depression and pain at 2 weeks independently predicted continued improvement at 6 weeks in depression and pain, respectively (P < 0.001). CONCLUSIONS: An important minority of patients benefitted from 6 weeks of venlafaxine 150 mg/day. Early improvement in depression and pain at 2 weeks may predict continued improvement at week 6. Future studies must examine whether patients who have a poor initial response may benefit from increasing the SNRI dose, switching, or augmenting with other treatments after 2 weeks of pharmacotherapy.
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) | 0,001 | 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 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 ».