MétaCan
Menu
Retour à la cohorte
Enregistrement W2739397421 · doi:10.1097/aco.0000000000000497

Neuraxial drug delivery for the management of cancer pain

2017· review· en· W2739397421 sur OpenAlexaff
Collin Clarke

Notice bibliographique

RevueCurrent Opinion in Anaesthesiology · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueCancer, Stress, Anesthesia, and Immune Response
Établissements canadiensWestern University
Organismes subventionnairesPurdue Pharma
Mots-clésMedicineIntensive care medicineCancer painClinical trialDrugPain managementCancerPharmacologyAnesthesiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The present study discusses the utilization of neuraxial drug delivery (NDD) for the management of cancer pain, based on recent trials, reviews, and guidelines with a focus on cost analysis. RECENT FINDINGS: Almost all recent publications suggest that more stringent research is needed to improve evidence on NDD, particularly as conflicting reports exist regarding cost effectiveness of drug delivery systems. The combination of local anesthetics and opioids, with or without clonidine, continues to be reported as beneficial with the utilization of patient controlled systems providing an advantage over continuous ones. Interestingly, the use of opioids as an adjunct to local anesthetics may not enhance analgesia but the addition of dexamethasone is useful for incident cancer-related bone pain. Ziconitide remains supported as first-line therapy in districts where it is available - United States and Europe. Although new targeted drugs are being designed for cancer pain management, none have seen human clinical trials in the last year. SUMMARY: The ability to demonstrate cost effectiveness of NDD is variable from region to region. Less expensive externalized systems may pose a viable alternative. With the exception of dexamethasone, no new drugs have been shown to provide any benefit to conventional medications.

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)0,002
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,171
Tête enseignante GPT0,449
Écart entre enseignants0,278 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in AnaesthesiologyMême sujetCancer, Stress, Anesthesia, and Immune ResponseTravaux en français237 207