Acetaminophen (Paracetamol) Improves Pain and Well-Being in People With Advanced Cancer Already Receiving a Strong Opioid Regimen: A Randomized, Double-Blind, Placebo-Controlled Cross-Over Trial
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
PURPOSE: To determine whether adding regular acetaminophen (paracetamol) could improve pain and well-being in people with advanced cancer and pain despite strong opioids. PATIENTS AND METHODS: Participants took acetaminophen for 48 hours and placebo for 48 hours. The order (acetaminophen or placebo first) was randomly allocated. Pain was the primary outcome. Preferences, number of opioid breakthrough doses, overall well-being, nausea and vomiting, drowsiness, constipation, and cold sweats were secondary outcomes. Patients rated themselves daily with visual analog scales (VAS) and a verbal numeric scale (VNS) for pain, all scaled from 0 to 10. RESULTS: Thirty patients completed the trial. The oral opioid was morphine in 23 patients and hydromorphone in seven patients. The median daily opioid dose in oral morphine equivalents was 200 mg (range, 20 to 2,100 mg). Nonsteroidal anti-inflammatory drugs, corticosteroids, or both were used by 16 patients. Pain and overall well-being were better for patients receiving acetaminophen than for those receiving placebo. The mean difference was 0.4 (95% CI, 0.1 to 0.8; P =.03) in VNS for pain, 0.6 (95% CI, -0.1 to 1.3; P =.09) in VAS for pain, and 0.7 (95% CI, 0.0 to 1.4; P =.05) in VAS for overall well-being. More patients preferred the period they took acetaminophen (n = 14) than the period they took placebo (n = 8), but many had no preference (n = 8). There were no differences in the other outcomes. CONCLUSION: Acetaminophen improved pain and well-being without major side effects in patients with cancer and persistent pain despite a strong opioid regimen. Its addition is worth considering in all such patients.
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 | 0,018 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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