Predictors of Response in Patients With Postherpetic Neuralgia and HIV-Associated Neuropathy Treated With the 8% Capsaicin Patch (Qutenza)
Notice bibliographique
Résumé
OBJECTIVES: Qutenza is a high-dose capsaicin patch used to relieve neuropathic pain from postherpetic neuralgia (PHN) and HIV-associated neuropathy (HIV-AN). In clinical studies, some patients had a dramatic response to the capsaicin patch. Our objective was to determine the baseline characteristics of patients who best benefit from capsaicin patch treatment. METHODS: We conducted a meta-analysis of 6 completed randomized and controlled Qutenza studies by pooling individual patient data. Sustained response was defined as>50% decrease in the mean pain intensity from baseline to weeks 2 to 12, and Complete Response as an average pain intensity score≤1 during weeks 2 to 12. Logistic regression was used to identify predictors of response and Complete Response, and subgroups of patients who respond best to the capsaicin patch. RESULTS: Baseline pain intensity score (BPIS)≤4 was a predictor of Sustained and Complete Response in PHN and HIV-AN patients; absence of allodynia and presence of hypoesthesia, and a McGill Pain Questionnaire (MPQ) sensory score <22 were predictors of Sustained Response in PHN patients; female sex was a predictor of Sustained and Complete Response in HIV-AN patients. Thus, characteristics associated with the highest chance of responding to the capsaicin patch were, for PHN, BPIS≤4, MPQ sensory score≤22, absence of allodynia, and presence of hypoesthesia; for HIV-AN, they were female sex and BPIS≤4. Patients with these characteristics had a statistically significantly greater chance of responding to the capsaicin patch than other patients. DISCUSSION: We identified subpopulations of PHN and HIV-AN patients likely to benefit from the capsaicin patch.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».