Immunoglobulin G for the Treatment of Chronic Pain: Report of an Expert Workshop
Notice bibliographique
Résumé
BACKGROUND: The treatment of chronic pain is still unsatisfactory. Despite the availability of different drugs, most patients with chronic pain do not receive satisfactory pain relief or report side effects. Converging evidence implicates involvement of the immune system in the pathogenesis of different types of nociceptive and neuropathic chronic pain. DESIGN: At a workshop in Liverpool, UK (October 2012), experts presented evidence suggesting immunological involvement in chronic pain and recent data supporting the concept that the established immune-modulating drug, polyvalent immunoglobulin G (IgG), either given intravenously (IVIg) or subcutaneously (SCIg), may reduce pain in some peripheral neuropathies and a range of other pain disorders. Workshop's attendees discussed the practicalities of using IVIg and SCIg in these disorders, including indications, cost-effectiveness, and side effects. RESULTS: IgG may reduce pain in a range of nociceptive and neuropathic chronic pain conditions, including diabetes mellitus, Sjögren's syndrome, fibromyalgia, complex regional pain syndrome, post-polio syndrome, and pain secondary to pathological autoantibodies. CONCLUSIONS: IgG is a promising treatment in several chronic pain conditions. IgG is a relatively safe therapeutic strategy, with uncommon and mild side effects but high costs. Randomized, controlled trials and predictive tests are needed to better support the use of IgG for refractory chronic pain.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,012 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».