MétaCan
Menu
Retour à la cohorte
Enregistrement W3031543858 · doi:10.1200/jco.2020.38.15_suppl.6579

Risk of chronic opioid use after radiation for head and neck cancer: A systematic review and meta-analysis.

2020· review· en· W3031543858 sur OpenAlexaff
Sondos Zayed, Cindy Lin, Gabriel Boldt, Nancy Read, Lucas C. Mendez, Varagur Venkatesan, Jinka Sathya, Dwight E. Moulin, David A. Palma

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensCancer Care OntarioWestern UniversityLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisHead and neck cancerCochrane LibraryChemoradiotherapyRadiation therapyInternal medicineMEDLINELarynxCancerHazard ratioOpioidIncidence (geometry)Confidence intervalSurgeryOncology

Résumé

récupéré en direct d'OpenAlex

6579 Background: Opioid overuse is a major international public health concern. The prevalence and risk factors for chronic opioid use (COU) in radiation-induced head and neck pain are poorly understood. The aim of this study was to estimate the rates of COU and to identify risk factors for COU in head and neck cancer (HNC) patients undergoing curative-intent radiotherapy (RT) or chemoradiotherapy (CRT). Methods: We performed a systematic review and meta-analysis based on the Preferred Reporting Items for Systematic Reviews and Meta-Analysis guidelines, using the PubMed (Medline), EMBASE, and Cochrane library databases, queried from dates of inception until present. COU was defined as persistent opioid use ≥3 months after treatment completion. Studies in the English language that reported on COU in HNC patients who received RT/CRT were included. Meta-analyses were performed using random effects models. Heterogeneity was assessed using the I2 value. Results: A total of 134 studies were identified, with 7 retrospective studies (reporting on 1841 patients) meeting inclusion criteria. Median age was 59.4 years (range 56.0-62.0) with 1343 (72.9%) men and 498 (27.1%) women. Primary tumour locations included oropharynx (891, 48.4%), oral cavity (533, 29.0%), larynx (93, 5.1%), hypopharynx (32, 1.7%), and nasopharynx (29, 1.6%). 846 (46.0%) patients had stage I/II disease and 926 (50.3%) had stage III-IV disease. 301 (16.3%) patients had RT alone, 738 (40.1%) received CRT, and 594 (32.3%) underwent surgery followed by adjuvant RT/CRT. The proportion of HNC patients who received radiotherapy and developed COU was 40.7% at 3 months (95% CI 22.6%-61.7%, I2= 97.1%), 15.5% at 6 months (95% CI 7.3%-29.7%, I2= 94.3%) and 7.0% at 1 year. There were significant differences in COU based on primary tumor sites (P < 0.0001), with the highest rate (46.6%) in oropharyngeal malignancies. Other factors associated with COU included history of psychiatric disorder (61.7%), former/current alcohol abuse (53.9%), and start of opioids prior to radiation treatment (51.6%). There was no significant difference in the proportion of COU by gender (P = 0.683), disease stage (I/II vs III/IV; P = 0.443), or treatment received (RT, CRT, or adjuvant RT/CRT; P = 0.711). Conclusions: A significant proportion of patients who undergo radiotherapy for head and neck cancer suffer from COU. High-risk factors for COU include an oropharyngeal primary tumour, history of psychiatric disorder, former/current alcohol abuse, and pre-treatment opioid use. New strategies to mitigate opioid use are needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0140,043
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,299
Tête enseignante GPT0,547
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetHead and Neck Cancer StudiesTravaux en français237 207