Antidepressants Effects on Pain in Parkinson Disease: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: Pain in Parkinson disease (PD) is complex as this symptom can be multifactorial in origin because deficits in dopaminergic but also other neurotransmitters are involved. Pain and depression are increasingly recognized to have clinical importance for the quality of life of people living with PD. This systematic review aims to summarize the existing evidence on the potential benefit of using prescribed antidepressants for decreasing or controlling pain associated with PD. METHODS: PubMed databases were searched for relevant studies using keywords and our exclusion/inclusion criteria and targeting only randomized placebo-controlled trials for antidepressants in PD. RESULTS: After screening 108 articles, only 3 focused articles were analyzed. Two of the included studies reported were on nortriptyline and paroxetine antidepressants. Unfortunately, included studies did not align in their outcome measures and did not directly compare the drug groups against each other or the placebo. Therefore, the complex nature of the unaligned outcome measures is inadequate for interpreting the efficacy of antidepressants in treating pain symptoms in PD. The third study focused solely on observing the effects of duloxetine but showed no favorable effects of this drug on pain. CONCLUSIONS: Prospective studies with a direct comparison of antidepressants and placebo should be conducted, focusing on pain-related scales and questions to understand further the role of antidepressants in treating pain in PD.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».