The Impact of Therapy on Quality of Life and Mood in Neuropathic Pain: What Is the Effect of Pain Reduction?
Notice bibliographique
Résumé
In Brief Mood and quality of life (QOL) outcomes vary widely in neuropathic pain trials. This may be a result of variable analgesia and other treatment effects. We evaluated the relationship between pain reduction and mood/QOL in neuropathic pain. Pain, side effects, QOL, and mood from a trial of morphine, gabapentin, and a morphine-gabapentin combination were examined. Baseline QOL was impaired according to Short Form Health Survey (SF-36) scores. Baseline mood, according to Profile of Mood States scores, was comparable to that of a nondepressed population. Pain reduction with all three active trial treatments correlated with improved QOL. Pain reduction with morphine and with gabapentin correlated with improved mood. Pain reduction with a morphine-gabapentin combination correlated with improvement in only one of several domains of the Profile of Mood States. Severity of sedation, constipation, and dry mouth during any treatment did not correlate with mood/QOL changes. These results can be interpreted to imply that larger analgesic treatment effect sizes lead to more substantial improvements in QOL and/or mood. However, other beneficial or adverse treatment-related side effects may also affect mood/QOL. Therefore, future studies are needed to also evaluate the impact of treatment-related side effects on mood/QOL in analgesic trials. IMPLICATIONS: We evaluated the relationship between analgesia and mood/quality of life using outcomes from a recent clinical trial. Treatment-induced analgesia was shown to correlate with improvement in mood and quality of life. These results suggest that greater analgesic efficacy may lead to larger improvements in mood/quality of life.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».