Topiramate for cocaine dependence: a systematic review and meta‐analysis of randomized controlled trials
Notice bibliographique
Résumé
AIMS: To assess the efficacy of topiramate in treating cocaine use disorder (i.e. retention, efficacy, safety and craving reduction) through a systematic review and meta-analysis. METHODS: We searched six scientific databases from inception to 23 December 2014 with no date limits. Data were reviewed, extracted and analysed systematically. Studies were included if they were peer-reviewed randomized control trials with participants meeting diagnostic criteria for cocaine dependence or cocaine use disorder, with the treatment arm involving topiramate with or without psychosocial intervention, and the control arm involving no intervention or psychosocial intervention with or without placebo. A random-effects meta-analytical model was computed. RESULTS: Five studies met inclusion criteria (n = 518). Topiramate was compared with placebo (four studies) and no medication (one study). In a meta-analysis, we observed no significant differences between topiramate and placebo in improving treatment retention risk ratio (RR) = 0.85; 95% confidence interval (CI) = 0.60-1.22, P = 0.38. However, compared with a placebo, use of topiramate was associated with increased continuous abstinence in two of five studies (RR = 2.43; 95% CI = 1.31-4.53, P = 0.005). No differences were observed in frequency of adverse effects reported between topiramate and placebo (RR = 1.06; 95% CI = 0.91-1.23, P = 0.48). Topiramate was associated significantly (P < 0.05) with a reduction in craving in only one of five studies. CONCLUSIONS: Evidence does not currently support the use of topiramate to improve treatment retention for cocaine use disorder, although it may extend cocaine abstinence with a similar risk of adverse events compared with placebo.
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 | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,067 | 0,015 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».