Opioid Induced Hyperalgesia, a Research Phenomenon or a Clinical Reality? Results of a Canadian Survey
Notice bibliographique
Résumé
BACKGROUND: Very little is known regarding the prevalence of opioid induced hyperalgesia (OIH) in day to day medical practice. The aim of this study was to evaluate the physician's perception of the prevalence of OIH within their practice, and to assess the level of physician's knowledge with respect to the identification and treatment of this problem. METHODS: An electronic questionnaire was distributed to physicians who work in anesthesiology, chronic pain, and/or palliative care in Canada. RESULTS: Of the 462 responses received, most were from male (69%) anesthesiologists (89.6%), in the age range of 36 to 64 years old (79.8%). In this study, the suspected prevalence of OIH using the average number of patients treated per year with opioids was 0.002% per patient per physician practice year for acute pain, and 0.01% per patient per physician practice year for chronic pain. Most physicians (70.2%) did not use clinical tests to help make a diagnosis of OIH. The treatment modalities most frequently used were the addition of an NMDA antagonist, combined with lowering the opioid doses and using opioid rotation. CONCLUSIONS: The perceived prevalence of OIH in clinical practice is a relatively rare phenomenon. Furthermore, more than half of physicians did not use a clinical test to confirm the diagnosis of OIH. The two main treatment modalities used were NMDA antagonists and opioid rotation. The criteria for the diagnosis of OIH still need to be accurately defined.
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 | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 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 ».