A systematic review and meta-analysis of pregabalin preclinical studies
Notice bibliographique
Résumé
Despite large efforts to test analgesics in animal models, only a handful of new pain drugs have shown efficacy in patients. Here, we report a systematic review and meta-analysis of preclinical studies of the commercially successful drug pregabalin. Our primary objective was to describe design characteristics and outcomes of studies testing the efficacy of pregabalin in behavioral models of pain. Secondarily, we examined the relationship between design characteristics and effect sizes. We queried MEDLINE, Embase, and BIOSIS to identify all animal studies testing the efficacy of pregabalin published before January 2018 and recorded experimental design elements addressing threats to validity and all necessary data for calculating effect sizes, expressed as the percentage of maximum possible effect. We identified 204 studies (531 experiments) assessing the efficacy of pregabalin in behavioral models of pain. The analgesic effect of pregabalin was consistently robust across every etiology/measure tested, even for pain conditions that have not responded to pregabalin in patients. Experiments did not generally report using design elements aimed at reducing threats to validity, and analgesic activity was typically tested in a small number of model systems. However, we were unable to show any clear relationships between preclinical design characteristics and effect sizes. Our findings suggest opportunities for improving the design and reporting of preclinical studies in pain. They also suggest that factors other than those explored in this study may be more important for explaining the discordance between outcomes in animal models of pain and those in clinical 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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| 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; 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 ».