Safety and Efficacy of Pregabalin Treatment and Quality of Life in Patients Treated with Pregabalin in Painful Diabetic Peripheral Neuropathy
Notice bibliographique
Résumé
The treatment modalities for painful diabetic peripheral neuropathy (PDPN) include antidepressants, anticonvulsants, capsaicin, membrane stabilizers and analgesics. Recent guidelines recommend pregabalin as a first line treatment for PDPN. But controversy exists about its efficacy and safety. The main objective of the study is to determine the safety, efficacy of pregabalin treatment for PDPN. An interventional cohort study was carried out in a tertiary care teaching hospital. Subjects who satisfy the inclusion criteria were included in the study after obtaining written informed consent. A total of 52 subjects were enrolled in the study. PDPN was confirmed by means of (1) Diabetic neuropathy symptom (DNS) score of more than one point, (2) Diabetic neuropathy examination score (DNE) of more than three points, (3) Neuropathic disability score (NDS) of more than 6 points and (4) Pain of more than 50% assessed by Visual Analog Scale (VAS). The subjects received pregabalin 75mg once daily for one week followed by 75 mg twice daily for further 3 weeks based on patient’s tolerability. Pain intensity was measured by using Short-Form McGill pain questionnaire. Safety of therapy was assessed from the incidence of adverse events including physical as well as laboratory evaluations. All study subjects’s enrolled received pregabalin. Study showed that pregabalin treatment significantly reduced pain in diabetic peripheral neuropathy with mean pain score 11.52 ± 9.30 (P value 0.00). The most common adverse effects of pregabalin were dizziness, peripheral edema, and somnolence. The study concluded that pregabalin significantly reduces pain and improve quality of life in PDPN.There was a dose-related increase in efficacy of pregabalin treatment. Moreover, there was a dose-related increase in incidence of most adverse events which are generally mild to moderate. Disclosure C. Radhakrishnan: None. A. Ut: None. S. K: None. N. Manikath: None. R.R. Cr: None.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».