Evidence‐based guideline: Treatment of painful diabetic neuropathy—report of the american association of neuromuscular and electrodiagnostic medicine, the american academy of neurology, and the american academy of physical medicine & rehabilitation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this report was to develop a scientifically sound and clinically relevant evidence-based guideline for the treatment of painful diabetic neuropathy (PDN). The basic question that was asked was: "What is the efficacy of a given treatment (pharmacological: anticonvulsants, antidepressants, opioids, others; non-pharmacological: electrical stimulation, magnetic field treatment, low-intensity laser treatment, Reiki massage, others) to reduce pain and improve physical function and quality of life (QOL) in patients with PDN?" A systematic review of literature from 1960 to August 2008 was performed, and studies were classified according to the American Academy of Neurology classification of evidence scheme for a therapeutic article. Recommendations were linked to the strength of the evidence. The results indicate that pregabalin is established as effective and should be offered for relief of PDN (Level A). Venlafaxine, duloxetine, amitriptyline, gabapentin, valproate, opioids (morphine sulfate, tramadol, and oxycodone controlled-release), and capsaicin are probably effective and should be considered for treatment of PDN (Level B). Other treatments have less robust evidence, or the evidence is negative. Effective treatments for PDN are available, but many have side effects that limit their usefulness. Few studies have sufficient information on their effects on function and QOL.
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.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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) | 0,000 | 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 découle