Notice bibliographique
Résumé
Authors’ reply Zainab Ahmadi, 1 David C Currow, 2 Magnus Ekström 1,2 1 Department of Clinical Sciences, Division of Respiratory Medicine and Allergology, Lund University Hospital, Lund, Sweden; 2 Discipline, Palliative and Supportive Services, Flinders University, Adelaide, SA, Australia We thank Dr Vozoris for his insightful comments on our paper. 1 The use of opioids for treating pain and the underlying evidence base for this indication was not the scope of our article. Although we agree that the evidence for treatment with opioids for “chronic” musculoskeletal pain is inconsistent or weak, we had insufficient data to determine symptom severity and whether the patients were prescribed opioids for chronic or acute pain. It should also be considered that the cited Cochrane reviews on opioids for chronic pain have weak evidence for their conclusions. 2,3 The review of long-term effectiveness and safety of opioid therapy for chronic noncancer pain by Noble et al 2 included 25 case series and only 1 randomized controlled trial. The clinician should carefully weigh the risk versus benefit of opioids in pain treatment, especially in the setting of clinical instability and in chronic pain. However, we think that there are many situations where opioids have an important role in treating severe distressing pain, where failure to use opioids might contribute to unnecessary suffering and treatment nihilism. Read the original article by Ahmadi et al
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,040 | 0,036 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».