Pharmacogenetics of chronic pain management
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
OBJECTIVE: The experience of chronic pain is one of the commonest reasons individuals seek medical attention, making the management of chronic pain a major issue in clinical practice. Drug metabolism and responses are affected by many factors, with genetic variations offering only a partial explanation of an individual's response. There is a paucity of evidence for the benefits of pharmacogenetic testing in the context of pain management. DESIGN AND METHODS: We reviewed the literature between 2000 and 2013, and references cited therein, using various keywords related to pain management, pharmacology and pharmacogenetics. RESULTS: Opioids continue to be the mainstay of chronic pain management. Several non-opioid based therapies, such as treatment with cannabinoids, gene therapy and epigenetic-based approaches are now available for these patients. Adjuvant therapies with antidepressants, benzodiazepines or anticonvulsants can also be useful in managing pain. Currently, laboratory monitoring of pain management patients, if performed, is largely through urine drug measurements. CONCLUSIONS: Drug half-life calculations can be used as functional markers of the cumulative effect of pharmacogenetics and drug-drug interactions. Assessment of half-life and therapeutic effects may be more useful than genetic testing in preventing adverse drug reactions to pain medications, while ensuring effective analgesia. Definitive, mass spectrometry-based methods, capable of measuring parent drug and metabolite levels, are the most useful assays for this purpose. Urine drug measurements do not necessarily correlate with serum drug concentrations or therapeutic effects. Therefore, they are limited in their use in monitoring efficacy and toxicity.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 découle