American Society of Hematology 2020 guidelines for sickle cell disease: management of acute and chronic pain
Notice bibliographique
Résumé
BACKGROUND: The management of acute and chronic pain for individuals living with sickle cell disease (SCD) is a clinical challenge. This reflects the paucity of clinical SCD pain research and limited understanding of the complex biological differences between acute and chronic pain. These issues collectively create barriers to effective, targeted interventions. Optimal pain management requires interdisciplinary care. OBJECTIVE: These evidence-based guidelines developed by the American Society of Hematology (ASH) are intended to support patients, clinicians, and other health care professionals in pain management decisions for children and adults with SCD. METHODS: ASH formed a multidisciplinary panel, including 2 patient representatives, that was thoroughly vetted to minimize bias from conflicts of interest. The Mayo Evidence-Based Practice Research Program supported the guideline development process, including updating or performing systematic reviews. Clinical questions and outcomes were prioritized according to importance for clinicians and patients. The Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach was used, including GRADE evidence-to-decision frameworks, to assess evidence and make recommendations, which were subject to public comment. RESULTS: The panel reached consensus on 18 recommendations specific to acute and chronic pain. The recommendations reflect a broad pain management approach, encompassing pharmacological and nonpharmacological interventions and analgesic delivery. CONCLUSIONS: Because of low-certainty evidence and closely balanced benefits and harms, most recommendations are conditional. Patient preferences should drive clinical decisions. Policymaking, including that by payers, will require substantial debate and input from stakeholders. Randomized controlled trials and comparative-effectiveness studies are needed for chronic opioid therapy, nonopioid therapies, and nonpharmacological interventions.
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 | 0,009 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,010 |
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 ».