Management of Chronic Neuropathic Pain With Methadone: A Review of 13 Cases
Notice bibliographique
Résumé
The synthetic opioid methadone has generated much interest in recent years among clinicians involved in the management of intractable chronic cancer pain. Its use as an analgesic is starting to extend to the treatment of noncancer pain, particularly neuropathic pain. Unfortunately, the evidence for its use in the management of neuropathic pain is limited to a few case studies. We examined retrospectively during a 12-month study period the clinical response of all 13 patients at our pain clinic who were prescribed methadone in an attempt to control neuropathic pain resistant to conventional analgesics. A questionnaire was also administered to the 9 patients who continued to take methadone at 12 months posttreatment. A total of 4 patients (31%) discontinued it by the end of the 12-month study period. Patients discontinued methadone due to the absence of pain relief and due to various intractable, undesirable side effects. Somnolence was the most common adverse effect reported, followed by nausea, constipation, and vomiting. All patients took coanalgesics (eg, amitriptyline, gabapentin) or other analgesics (eg, morphine, nonsteroidal anti-inflammatory drugs) during methadone treatment to control pain. The 9 patients who continued to take methadone at 12 months reported experiencing on average 43% pain relief (range 0-80%), 47% improvement in quality of life (range 0-100%), and 30% improvement in quality of sleep (range 0-60%). Methadone was effective at relieving pain and ameliorating quality of life and sleep in 62% of patients. These findings suggest that methadone can offer an acceptable success rate for the treatment of neuropathic pain. Prospective randomized, placebo-controlled studies are now needed to examine more rigorously the benefits of methadone for this type of 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 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 | 0,033 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| 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 | 0,001 |
| 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 ».