Nonopioid drug combinations for cancer pain: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pain is highly prevalent in patients with cancer-nearly 40% report moderate-severe pain, which is commonly treated with opioids. Increasing cancer survivorship, opioid epidemics in some regions of the world, and limited opioid access in other regions have focused attention on nonopioid treatments. Given the limitations of monotherapy, combining nonopioids-such as antiepileptics and antidepressants-have shown promise in noncancer pain. This review seeks to evaluate efficacy of nonopioid combinations for cancer-related pain. Systematic searches of PubMed, EMBASE, and Cochrane CENTRAL were conducted for double-blind, randomized, controlled trials comparing a nonopioid combination with at least one of its components and/or placebo. This search yielded 4 randomized controlled trials, published between 1998 and 2019 involving studies of (1) imipramine + diclofenac; (2) mitoxantrone + prednisone + clodronate; (3) pentoxifylline + tocopherol + clodronate; and (4) duloxetine + pregabalin + opioid. In the first 3 of these trials, trends favouring combination efficacy failed to reach statistical significance. However, in the fourth trial, duloxetine + pregabalin + opioid was superior to pregabalin + opioid. This review illustrates recognition for the need to evaluate nonopioid drug combinations in cancer pain, although few trials have been published to date. Given the growing practice of prescribing more than 1 nonopioid for cancer pain and the need to expand the evidence base for rational combination therapy, more high-quality trials in this area are needed.
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.
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 | 0,004 | 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 découle