Methadone as a Coanalgesic for Palliative Care Cancer Patients
Notice bibliographique
Résumé
BACKGROUND: Methadone offers many advantages for treating cancer pain. However, its pharmacokinetic profile makes its use as a full-dose opioid challenging. OBJECTIVES: To evaluate the efficacy and safety of low-dose methadone as an adjunct to opioids in the treatment of cancer pain in palliative care patients. DESIGN: A cohort was followed retrospectively for up to 60 days after the initiation of methadone as a coanalgesic. SETTING/SUBJECTS: Patients were eligible if they were prescribed methadone as a coanalgesic for cancer pain management and followed by the palliative care team. MEASUREMENTS: The primary efficacy end point was reduction of pain intensity (11-point numerical rating scale). Variables associated with pain intensity reduction were explored using logistic regressions. Adverse events were collected throughout the follow-up. RESULTS: Seventy-two of the 146 subjects (49%) qualified as significant responders (≥30% reduction in pain intensity). Median time to significant response was seven days, and pain intensity on the day of methadone initiation predicted the response to treatment. The most frequently reported adverse events were drowsiness, confusion, constipation, and nausea. As expected in a palliative care population, there was a substantial amount of missing data. CONCLUSIONS: A significant reduction in pain can be seen rapidly after the addition of methadone as a coanalgesic, particularly among patients with high pain intensity. More studies are needed to corroborate the efficacy of methadone as an adjunct to opioids.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».