Addition of Methadone to Another Opioid in the Management of Moderate to Severe Cancer Pain: A Case Series
Notice bibliographique
Résumé
BACKGROUND: Previous research has reported improved pain after adding methadone to another opioid, but did not quantify this benefit using a validated outcome measure. OBJECTIVE: To assess quantitatively the effectiveness of adding methadone to another opioid for moderate to severe cancer-related pain. DESIGN: All outpatients attending the Oncology Palliative Care Clinic from September 2010-September 2011, who had received methadone, were identified from pharmacy records. Inclusion criteria included: histological diagnosis of malignancy, age >18 years, taking regular opioids and Edmonton Symptom Assessment System (ESAS) pain score ≥ 4. MEASUREMENT: The primary outcome measure was a decrease in pain score of ≥ 2 points from methadone initiation to one-month follow-up (or closest available ESAS). RESULTS: Twenty patients were available for analysis, 16 of whom had neuropathic pain (80%). Eight patients (40%) had a decrease in pain score of ≥ 2 points at 1 month and a further 7 (35%) had a decrease of ≥ 2 points at the closest available time point. The mean pain score decreased from 7.7 +/- 1.8 to 5.2 +/- 2.4 from time of initiation to time of evaluation. The mean daily routine morphine equivalent, (excluding methadone), was 338 +/- 217.8 mg/day at initiation and 332 +/- 191 mg/day at evaluation; for methadone, mean doses at initiation and evaluation were 4.4 +/- 1.4 mg/day and 15.5 +/- 5.9 mg/day, respectively. Methadone was well tolerated in 17 patients (85%). CONCLUSIONS: The addition of methadone was associated with improved pain control for patients with moderate to severe pain on another opioid and appears to offer a safe, well-tolerated and practical alternative in this situation.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».