MétaCan
Menu
Retour à la cohorte
Enregistrement W2605838753 · doi:10.5812/aapm.44732

The Efficacy of Systemic Lidocaine in the Management of Chronic Pain: A Literature Review

2017· review· en· W2605838753 sur OpenAlexafffund
Fardin Yousefshahi, Oana Predescu, Juan Francisco Asenjo

Notice bibliographique

RevueAnesthesiology and Pain Medicine · 2017
Typereview
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesMcGill University
Mots-clésMedicineLidocaineChronic painNeuropathic painNeuralgiaNarrative reviewAnesthesiaTransdermal patchIntensive care medicineTransdermalPhysical therapyPharmacology

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Despite recent advances in the understanding of the chronic pain concept, its diagnosis and management remains a daily challenge for clinicians and patients. Based on the published literature, this review discusses and tries to organize the current knowledge and the up-to-date clinical experience about the efficacy and safety of the use of intravenous lidocaine in treatment and prevention of chronic pain. EVIDENCE ACQUISITION: To prepare this narrative review, we performed an in depth literature review using the PubMed searching engine. We extracted all relevant articles published in English, up to April 2016. RESULTS: Lidocaine, administered as transdermal patch or intravenous lidocaine, is a safe and effective modality in the treatment of post-herpetic neuralgia (PHN), complex regional pain syndrome, as well and for prevention of chronic pain. It may be effective in the management of neuropathic pain syndromes, chronic pain, post-operative pain, and refractory cancer pain. CONCLUSIONS: Intravenous lidocaine and lidocaine patch are effective and safe for the treatment of several chronic or neuropathic pain syndromes. The use of lidocaine during surgery could prevent the development of some chronic post-surgical pain syndromes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,354
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnesthesiology and Pain MedicineMême sujetPain Management and TreatmentTravaux en français237 207