Pharmacological Use of Gamma-Aminobutyric Acid Derivatives in Osteoarthritis Pain Management: A Systematic Review
Notice bibliographique
Résumé
Abstract Background Pain is the major complication of osteoarthritis (OA) patients and is a decisive symptom for medical intervention. Gamma-aminobutyric acid (GABA) derivatives are optional painkillers but not widely used in pain management of OA patients. We synthesized the efficacy and safety of GABA derivatives for OA pain management. Methods We searched Medline, Cochrane CENTRAL, Embase, and ClinicalTrals.gov from inception to 13 October 2021 and included randomized controlled trials (RCTs) comparing the efficacy and safety of GABA derivatives with placebo or standard control in OA pain management. Two independent reviewers extracted data and assessed these studies for risk of bias using Cochrane Collaboration’s tool for RCT. Results In total, three eligible RCTs (n=3) meeting the eligibility criteria were included. Among these RCTs, one focused on hand OA pain management, while two RCTs focused on knee OA. In hand OA, pregabalin reduced numerical rating scale (NRS) score and the Australian/Canadian Osteoarthritis Hand Index (AUSCAN) pain score significantly compared with placebo, and caused 55 AEs. In knee OA, pregabalin reduced visual analogue scale (VAS) score and the Western Ontario and McMaster Universities Arthritis Index (WOMAC) pain score significantly with no recorded adverse event (AE). Meanwhile, in knee OA, gabapentin reduced both VAS score and WOMAC pain score compared with acetaminophen and caused 9 AEs. Conclusions GABA derivates are effective and safe in OA pain management. However, future researches with large sample size are needed to further prove the efficacy of GABA derivates in OA pain control. Trial registration: CRD42021240225.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».