Methadone as First-line Opioid for the Management of Cancer Pain
Notice bibliographique
Résumé
AIM: The aim of this study was to assess the efficacy and adverse effects of methadone when used as first-line therapy in patients that are either receiving low doses of opioids or none. METHODS: Patients with advanced cancer were prospectively assessed. Opioid-naive patients (L-group) were started with methadone at 6 mg/day. Patients receiving weak or other opioids in doses of <60 mg/day of OME (H-group) were started with methadone at 9 mg/day. Methadone doses were changed according to the clinical needs to obtain the most favorable balance between analgesia and adverse effects. Edmonton Symptom Asssement Score (ESAS), Memorial Delirium Assessment Score (MDAS), doses of methadone, and the use of adjuvant drugs were recorded before starting the study treatment (T0), 1 week after (T7), 2 weeks after (T14), 1 month after (T30), and 2 months after (T60). Methadone escalation index percent (MEI%) and in mg (MEImg) were calculated at T30 and T60. RESULTS: Eighty-two patients were assessed. In both groups H and L, there were significant changes in pain and symptom intensity at the different times during the study. Adverse effects as causes of drop-out were minimal. Mean MEImg was 0.09 (SD 0.28) and 0.02 (SD 0.07) at T30 and T60, respectively. MEI% was 1.01 (SD 3.08) and 0.27 (SD 0.86) at T30 and T60, respectively. CONCLUSION: Methadone used as a first-line opioid therapy provided good analgesia with limited adverse effects and a minimal opioid-induced tolerance.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».