MétaCan
Menu
Retour à la cohorte
Enregistrement W2185535953 · doi:10.2147/jpr.s88900

Approach to the pharmacological management of chronic pain in patients with an alcohol use disorder

2015· article· en· W2185535953 sur OpenAlexaff
Andrea D Furlan, Laura Murphy, Karen Ng, Victoria Su, Sarah Woodworth-Giroux, Todd Levy, Beth Sproule

Notice bibliographique

RevueJournal of Pain Research · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensCentre for Addiction and Mental HealthSt. Paul's HospitalUniversity Health NetworkUniversity of TorontoWindsor Regional HospitalInstitute for Work & Health
Organismes subventionnairesnon disponible
Mots-clésMedicineChronic painAlcohol use disorderPsychiatryPregabalinAlcohol dependenceAnxietyAbstinenceAlcohol

Résumé

récupéré en direct d'OpenAlex

This paper provides an overview of research, guidelines, and clinical considerations for the use of medications for chronic pain in the management of patients with an alcohol use disorder. A review of the literature identified randomized controlled trials, epidemiological cohort studies, consensus guidelines, and one systematic review and meta-analysis. Where gaps in the literature existed, clinical experience of the authors is included. Use of nonopioid medications should be given priority and may offer a more favorable risk profile as well as benefits beyond pain management, such as improvement in anxiety, depression, or insomnia. Pregabalin and gabapentin have additional benefits to decrease alcohol cravings or time to relapse after a period of abstinence from alcohol. Drug interactions between selected analgesics and alcohol, disulfiram, or naltrexone require careful consideration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,418
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pain ResearchMême sujetPain Mechanisms and TreatmentsTravaux en français237 207