Evaluation of composite responder outcomes of pain intensity and physical function in neuropathic pain clinical trials: an ACTTION individual patient data analysis
Notice bibliographique
Résumé
Integrating information on physical function and pain intensity into a composite measure may provide a useful method for assessing treatment efficacy in clinical trials of chronic pain. Accordingly, we evaluated composite outcomes in trials of duloxetine, gabapentin, and pregabalin. Data on 2287 patients in 9 trials for painful diabetic peripheral neuropathy (DPN) and 1513 patients in 6 trials for postherpetic neuralgia (PHN) were analyzed. All trials assessed pain intensity on a 0 to 10 numeric rating scale and physical function with the 10-item subscale of the Short Form-36, ranging 0 to 100 with higher scores indicating better function. Correlation between change in pain intensity from baseline to posttreatment and change in physical function was small in DPN (ρ = -0.22; P < 0.001) and nonsignificant in PHN (ρ = -0.05; P = 0.08). Assay sensitivities of 10 composite outcomes were examined in a random subsample of patients enrolled in pregabalin trials for DPN and PHN. Of these, a responder outcome of ≥50% improvement in pain intensity, or a ≥20% improvement in pain intensity and ≥30% improvement in physical function was not only significantly associated with pregabalin vs placebo in the development cohorts for both pain conditions but also in the validation cohorts. Furthermore, this composite outcome was cross-validated in trials of gabapentin for PHN and duloxetine for DPN, and had slightly lower number needed to treat than a standard responder outcome of ≥50% reduction in pain intensity. In summary, this study identified a composite outcome of pain intensity and physical function that may improve the assay sensitivity of future neuropathic pain 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 | 0,365 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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; 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 ».