Notice bibliographique
Résumé
OBJECTIVE: The purpose of this review was to determine how effective different classes of analgesic agents are in the management of chronic pain. METHODOLOGY: The literature search identified five systematic reviews and 18 randomized controlled trials to provide evidence about systemic drug treatment for chronic pain. RESULTS: Studies in the systematic reviews were mainly of low back pain, and studies in the randomized controlled trials were mainly of fibromyalgia. Other studies investigated of rheumatic pain, musculoskeletal pain, chronic low back pain, and temporomandibular pain. Classes of analgesic agents reviewed were antidepressants, nonsteroidal anti-inflammatory drugs, muscle relaxants, opioid analgesics, and a number of miscellaneous agents. CONCLUSIONS: For chronic pain, opioid analgesics provide benefit for up to 9 weeks (level 2). For chronic low back pain, the evidence shows that various types of nonsteroidal antiinflammatory drugs are equally effective or ineffective, and that antidepressants provide no benefit in the short to intermediate term (level 2). Muscle relaxants showed limited effectiveness (level 3) for chronic neck pain and for chronic low back pain for up to 4 weeks. For fibromyalgia, there is limited evidence (level 3) of the effectiveness of amitryptiline, ondansetron, zoldipem, or growth hormone, and evidence of no effectiveness for nonsteroidal anti-inflammatory drugs, malic acid with magnesium, calcitonin injections, or s-adenyl-L-methionine. For temporomandibular pain, oral sumatriptan is not effective (level 2). The remaining evidence was inadequate (level 4a) or contradictory (level 4b).
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 | 0,018 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| 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 | 0,001 | 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 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 ».