Opioid Therapy Pharmacogenomics for Noncancer Pain: Efficacy, Adverse Events, and Costs
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
Chronic non-cancer pain is a debilitating condition associated with high individual and societal costs. While opioid treatment for pain has been available for centuries, it is associated with high variability in outcome, and a considerable proportion of patients is unable to attain relief from symptoms while suffering adverse events and developing medication dependence. We performed a review of the efficacy of pharmacogenomic markers and their abilities to predict adverse events, dependence, and associated economic costs, focusing on two genes: OPRM1 and CYP2D6. Data sources were articles indexed by PubMed on or before August 6, 2013. Articles were first selected after review of their titles and abstracts, and full papers were read to confirm eligibility. Initially, fifty-two articles were identified. Of these, 17 were relevant to biological actions of pharmacogenomic markers and their effect on therapeutic efficacy, 16 to adverse events, 15 to opioid dependence, and eight to economic costs. In conclusion, increasing costs of opioid therapy have made the advances in pharmacogenomics an attractive solution to personalize care with unclear repercussions related to the impact on costs, morbidity, and outcomes. This intersection of pharmacoeconomics and pharmacogenomics presents a unique platform to further examine current advances in clinical medicine and their utility in cost-effective treatment of 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle