Predictors of Long‐Term Opioid Effectiveness in Patients With Chronic Non‐Cancer Pain Attending Multidisciplinary Pain Treatment Clinics: A Quebec Pain Registry Study
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to identify characteristics of individuals who are most likely to benefit from long-term opioid therapy in terms of reduction in pain severity and improved mental health-related quality of life (mQoL) without considering potential risks. METHODS: This was a retrospective cohort study of 116 patients (age = 51.3 ± 12.5 years, male = 42.2%) enrolled in the Quebec Pain Registry between 2008 and 2011 and who initiated opioid therapy after their first appointment in a multidisciplinary pain clinic and persisted with this treatment for at least 12 months. Clinically significant improvement was defined as a 2-point decrease on the PEG (pain, enjoyment of life, and general activity) Scale of pain severity (scored from 0 to 10) at 12-month follow-up and a 10-point increase on the Short-Form-12 Health Survey version 2 (SF12-v2) Mental Health-Related Quality of Life Summary Scale, which corresponds to 1 standard deviation (SD) of the mean in the general population (mean = 50, SD = 10). RESULTS: Clinically significant reduction in pain severity was observed in 26.7% of patients, while improvement in mQoL was reported by 20.2% of patients on long-term opioid therapy. Older age (odds ratio [OR] = 1.04; 95% confidence interval [CI]: 1.0 to 1.08; P = 0.032) and alcohol or drug problems (OR = 0.26; 95% CI: 0.07 to 0.96; P = 0.044) were weakly associated with pain severity at 12-month follow-up. Baseline higher pain severity (OR = 0.62; 95% CI: 0.43 to 0.91; P = 0.014) and baseline higher mQoL (OR = 0.89; 95% CI: 0.83 to 0.95; P = 0.001) were associated with non-improvement in mQoL. CONCLUSION: The analysis failed to identify clinically meaningful predictors of opioid therapy effectiveness, making it difficult to inform clinicians about which patients with chronic non-cancer pain are most likely to benefit from long-term opioid therapy.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».