Predicting drug efficacy in chronic low back pain by quantitative sensory tests
Notice bibliographique
Résumé
BACKGROUND: Drugs are prescribed for chronic low back pain without knowing in advance whether a patient will respond to them or not. Quantitative sensory tests (QST) can discriminate patients according to sensory phenotype, possibly reflecting underlying mechanisms of pain processing. QST may therefore be a screening tool to identify potential responders to a certain drug. The aim of this study was to investigate whether QST can predict analgesic effects of oxycodone, imipramine and clobazam in chronic low back pain. METHODS: Oxycodone 15 mg (n = 50), imipramine 75 mg (n = 50) and clobazam 20 mg (n = 49) were compared to active placebo tolterodine 1 mg in a randomized, double-blinded, crossover fashion. Electrical, pressure and thermal QST were performed at baseline and after 1 and 2 h. Pain intensity was assessed on a 0-10 numeric rating scale every 30 min for up to 2 h. The ability of baseline QST to predict pain reduction after 2 h was analysed using linear mixed models. Genetic variants of drug-metabolizing enzymes and genes affecting pain sensitivity were examined as covariables. RESULTS: No predictor of analgesic effect was found for oxycodone and clobazam. Thermal QST was associated with analgesic effect of imipramine: patients more sensitive to heat or cold were more likely to experience an effect of imipramine. Pharmacogenetic variants and pain-related candidate genes were not associated with drug efficacy. CONCLUSIONS: Thermal QST have the potential to predict imipramine effect in chronic low back pain. Oxycodone and clobazam effects could not be predicted by any of the selected QST or genetic variants. SIGNIFICANCE: Predicting drug efficacy in chronic low back pain remains difficult. There is some evidence that patients more sensitive to heat and cold pain respond better to imipramine.
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 | 0,010 | 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 ».