Use of Opioids in Latin America: The Need of an Evidence-Based Change
Notice bibliographique
Résumé
OBJECTIVE: The subject of this publication has been focused on local considerations for facilitating regional best practice, including identifying and uniformly adopting the most relevant international guidelines on opioid use (OU) in chronic pain management. DESIGN AND SETTING: The Change Pain Latin America (CPLA) Advisory Panel conducted a comprehensive, robust, and critical analysis of published national and international reviews and guidelines of OU, considering those most appropriate for Latin America. METHODS: A PubMed search was conducted using the terms "opioid," "chronic," and "pain" and then refined using the filters "practice guidelines" and "within the last 5 years" (2007-2012). Once the publications were identified, they were selected using five key criteria: "Evidence based," "Comprehensive," "From a well-recognized source," "Current publications," and "Based on best practice" and then critically analyzed considering 10 key criteria for determining the most relevant guidelines to be applied in Latin America. RESULTS: The initial PubMed search identified 177 reviews and guidelines, which was reduced to 16 articles using the five preliminary criteria. After a secondary analysis according to the 10 key criteria specific to OU in Latin America, 10 publications were selected for critical review and discussion. CONCLUSIONS: The CPLA advisory panel considered the "Safe and effective use of opioids for chronic non-cancer pain" (published in 2010 by the NOUGG of Canada) to be valid, relevant to Latin America, practical, evidence-based, concise, unambiguous, and sufficiently educational to provide clear instruction on OU and pain management and, thus, recommended for uniform adoption across the Latin America region.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».