Opioïdes et douleur chronique non cancéreuse : enjeux cliniques
Notice bibliographique
Résumé
Malgré la controverse suscitée par le recours aux opioïdes pour soulager la douleur chronique non cancéreuse (DCNC), pouvant être causée par un problème médical souvent réfractaire aux traitements médicaux conventionnels, la popularité de cette classe de médicaments s’est accrue au cours de la dernière décennie. Alors que plusieurs médecins demeurent réticents à prescrire les opioïdes, d’autres, au contraire, les prescrivent sans égard aux conséquences néfastes qu’ils peuvent entraîner pour les patients. Cet article présente un recensement des méta-analyses et articles de révision portant sur l’utilisation des opioïdes dans la DCNC, publiés au cours des quinze dernières années. Leurs principales lacunes méthodologiques sont abordées puis les résultats portant sur l’efficacité analgésique des opioïdes, leurs effets secondaires et le risque encouru de développer la toxicomanie sont présentés. Des recommandations permettant le suivi sécuritaire des patients recevant des opioïdes sont ensuite formulées. La décision de prescrire ou non des opioïdes pour le traitement de la DCNC est finalement analysée dans une perspective globale tenant compte à la fois de l’objectif du médecin de soulager la douleur, de celui du patient de demeurer un membre actif de la société et de celui d’éviter que le médicament ne devienne une drogue.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».