Placebo response in neuropathic pain after spinal cord injury: a meta-analysis of individual participant data
Notice bibliographique
Résumé
Background: Understanding factors associated with high placebo responses in clinical trials increases the likelihood of detecting a meaningful treatment effect. The aim of the present study was to identify subject-level factors that contribute to placebo variability in patients with neuropathic pain due to spinal cord injury (SCI). Methods: Multiple regression analysis of patient data from randomized, double-blind, placebo-controlled trials (duration >4 weeks) involving individuals with SCI was performed. Patient demographics, as well as injury and pain characteristics were examined for their association with changes in pain rating from baseline to the end of the trial (i.e., placebo response). The overall effect of individual predictors was quantified with meta-analysis statistics. Results: A total of 276 patients with SCI from six studies were included in the analysis. Based on the meta-analysis of subject-level predictors, larger placebo responses were associated with male subjects (β=0.635; standard error [SE]=0.262; p =0.016) and higher baseline pain (β=−0.146; SE=0.073; p =0.044). There were no significant effects for injury characteristics (i.e., severity, level, and time since injury) or pain characteristics (i.e., location and evoked). No significant publication bias was detected. Conclusion: The current meta-analysis of individual patient data demonstrated the importance of sex and baseline pain intensity on changes in pain ratings in the placebo arm of SCI central neuropathic pain randomized controlled clinical trials. Overall, our findings indicate that placebo responses occur independent of injury characteristics. Keywords: placebo response, clinical trial, spinal cord injury, neuropathic pain
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 | 0,172 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».