Interventions for Depressive Symptoms in People Living with Chronic Pain: A Systematic Review of Meta-Analyses
Notice bibliographique
Résumé
OBJECTIVE: This review investigated the effectiveness of clinical interventions on depressive symptoms in people with all types of chronic pain. METHODS: We searched seven electronic databases and reference lists on September 15, 2020, and included English-language, systematic reviews and meta-analyses of trials that examined the effects of clinical interventions on depressive outcomes in chronic pain. Two independent reviewers screened, extracted, and assessed the risk of bias. PROSPERO registration: CRD42019131871. RESULTS: Eighty-three reviews were selected and included 182 meta-analyses. Data were summarized visually and narratively using standardized mean differences with 95% confidence intervals as the primary outcome of interest. A large proportion of meta-analyses investigated fibromyalgia or mixed chronic pain, and psychological interventions were most commonly evaluated. Acceptance and commitment therapy for general chronic pain, and fluoxetine and web-based psychotherapy for fibromyalgia showed the most robust effects and can be prioritized for implementation in clinical practice. Exercise for arthritis, pharmacotherapy for neuropathic pain, self-regulatory psychotherapy for axial pain, and music therapy for general chronic pain showed large, significant effects, but estimates were derived from low- or critically low-quality reviews. CONCLUSIONS: No single intervention type demonstrated substantial superiority across multiple pain populations. Other dimensions beyond efficacy, such as accessibility, safety, cost, patient preference, and efficacy for non-depressive outcomes should also be weighed when considering treatment options. Further effectiveness research is required for common pain types such as arthritis and axial pain, and common interventions such as opioids, anti-inflammatories and acupuncture.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».