Does Integrative Medicine Reduce Prescribed Opioid Use for Chronic Pain? A Systematic Literature Review
Notice bibliographique
Résumé
BACKGROUND: Chronic pain (CP) is a major public health problem. Many patients with CP are increasingly prescribed opioids, which has led to an opioid crisis. Integrative medicine (IM), which combines pharmacological and complementary and alternative medicine (CAM), has been proposed as an opioid alternative for CP treatment. Nevertheless, the role of CAM therapies in reducing opioid use remains unclear. OBJECTIVES: To explore the effectiveness of the IM approach or any of the CAM therapies to reduce or cease opioid use in CP patients. METHODS: An online search of MEDLINE and Embase, CINAHL, PubMed supp., and Allied and Complementary Medicine Database (AMED) for studies published in English from inception until February 15, 2018, was conducted. The Mixed Methods Appraisal Tool (MMAT) was used to critically appraise selected studies. RESULTS: The electronic search yielded 5,200 citations. Twenty-three studies were selected. Eight studies were randomized controlled trials, seven were retrospective studies, four studies were prospective observational, three were cross-sectional, and one was quasi-experimental. The majority of the studies showed that opioid use was reduced significantly after using IM. Cannabinoids were among the most commonly investigated approaches in reducing opioid use, followed by multidisciplinary approaches, cognitive-behavioral therapy, and acupuncture. The majority of the studies had limitations related to sample size, duration, and study design. CONCLUSIONS: There is a small but defined body of literature demonstrating positive preliminary evidence that the IM approach including CAM therapies can help in reducing opioid use. As the opioid crisis continues to grow, it is vital that clinicians and patients be adequately informed regarding the evidence and opportunities for IM/CAM therapies for CP.
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 | 0,012 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».