Antidepressants Are Effective in Decreasing Neuropathic Pain After SCI: A Meta-Analysis
Notice bibliographique
Résumé
OBJECTIVE: To systematically review and assess the effectiveness and safety of antidepressants for neuropathic pain among individuals with spinal cord injury (SCI). METHODS: A systematic search was conducted using multiple databases for relevant articles published from 1980 to April 2014. Randomized controlled trials (RCTs) involving antidepressant treatment of neuropathic pain with ≥ 3 individuals and ≥ 50% of study population with SCI were included. Two independent reviewers selected studies based on inclusion criteria and then extracted data. Pooled analysis using Cohen's d to calculate standardized mean difference, standard error, and 95% confidence interval for primary (pain) and other secondary outcomes was conducted. RESULTS: Four RCTs met inclusion criteria. Of these, 2 studies assessed amitriptyline, 1 trazadone, and 1 duloxetine among individuals with neuropathic SCI pain. A small effect was seen in the effectiveness of antidepressants in decreasing pain among individuals with SCI (standardized mean difference = 0.34 ± 0.15; 95% CI, 0.05-0.62; P = .02). A number needed to treat of 3.4 for 30% or more pain relief was found by pooling 2 studies. Of these, significantly higher risk of experiencing constipation (risk ratio [RR] = 1.74; 95% CI, 1.09-2.78; P = .02) and dry mouth (RR = 1.39; 95% CI, 1.04-1.85; P = .02) was found amongst individuals receiving antidepressant treatment compared to those in the control group. CONCLUSIONS: The current meta-analysis demonstrates that antidepressants are effective in reducing neuropathic SCI pain. However, this should be interpreted with caution due to the limited number of studies. Further evaluation of long-term therapeutic options may be required.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».