Botulinum toxin therapy in amputee pain management
Notice bibliographique
Résumé
Background: Post-amputation pain is common, occurring in up to 85% of patients. The pain can be related to the etiology of amputation, post-surgical healing, or prosthetic use. Pain syndromes may arise from a variety of tissue pathologies and can be broadly categorized into residual limb pain (RLP) or phantom limb pain (PLP). Botulinum toxin (BTX) has been found to be effective in treating a variety of neuropathic pain conditions. This scoping review summarizes the use of BTX in RLP and PLP management of patients with a major extremity amputation.
 Methods: A literature search was conducted using PubMed, Web of Science, Cochrane Library, Scopus, and Google Scholar. Sixteen studies were included. Most studies excluded did not address BTX use in amputee pain management. Extracted data were categorized by either RLP or PLP.
 Results: Two randomized controlled trials (RCTs), 10 case series, and 4 case reports were included (total 68 patients, 82 amputations). Seven studies addressed BTX use in both RLP and PLP, 5 studies address RLP exclusively, and 5 additional studies exclusively addressed PLP. Toxin types, injection techniques, and dosages varied between the studies. Negative results were reported in 2 RCTs and 2 case series showing 30% of patients with RLP and 50% patients with PLP did not benefit from BTX.
 Conclusion: Literature for BTX in PLP and RLP is broad but lacking rigour for definitive conclusions to guide usage. There were more positive results for BTX use in RLP than in PLP. Case reports and patient series show promising results for both PLP and RLP, indicating future research should be directed at adequately-powered prospective trials.
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 | 0,000 |
| 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) | 0,002 | 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 ».