MétaCan
Menu
Retour à la cohorte
Enregistrement W4281797075 · doi:10.1097/adm.0000000000000992

Pharmacotherapies for Adults With Alcohol Use Disorders: A Systematic Review and Network Meta-analysis

2022· review· en· W4281797075 sur OpenAlex
Anees Bahji, Paxton Bach, Marlon Danilewitz, David Crockford, Daniel J. Devoe, Nady el‐Guebaly, Richard Saitz

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Addiction Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensBritish Columbia Centre on Substance Use
Organismes subventionnairesNational Institute on Drug AbuseCumming School of Medicine, University of CalgaryNational Institutes of HealthEisaiBrandeis UniversityMassachusetts Medical SocietyAmerican Psychiatric Association FoundationAmerican Academy of Addiction PsychiatryUniversity of OregonYale UniversityUniverzita Karlova v PrazeSchool of Medicine, Boston UniversityKaiser PermanenteKarolinska InstitutetRAND Corporation
Mots-clésMedicineAcamprosateRelative riskInternal medicineAdverse effectPlaceboTopiramateConfidence intervalNaltrexonePsychiatryOpioid

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We aimed to determine medications' comparative efficacy and safety for adults with alcohol use disorders. METHODS: We searched eleven electronic data sources for randomized clinical trials with at least 4 weeks of treatment reporting on alcohol consumption (total abstinence and reduced heavy drinking), dropouts, and dropouts due to adverse events. We conducted network meta-analyses using random-effects, frequentist models, and calculated summary rate ratios (RRs) with 95% confidence intervals (CIs). RESULTS: We included 156 trials (N = 27,334). Nefazodone (RR = 2.11; 95% CI, 1.42-3.13), aripiprazole (RR = 1.97; 95% CI, 1.36-2.88), carbamazepine (RR = 1.85; 95% CI, 1.03-3.32), and nalmefene (RR = 1.17; 95% CI, 1.01-1.35) were associated with the most dropouts. Baclofen (RR = 0.83; 95% CI, 0.70-0.97) and pregabalin (RR = 0.63; 95% CI, 0.43-0.94) caused fewer dropouts than placebo. Nalmefene (RR = 3.26; 95% CI, 2.34-4.55), fluvoxamine (RR = 3.08; 95% CI, 1.59-5.94), and topiramate (RR=2.18; 95% CI, 1.36-3.51) caused more dropouts from adverse events over placebo. Gamma-hydroxy-butyrate (RR = 1.90; 95% CI, 1.03-3.53), baclofen (RR = 1.80; 95% CI, 1.39-2.34), disulfiram (RR = 1.71; 95% CI, 1.39-2.10), gabapentin (RR = 1.66; 95% CI, 1.04-2.67), acamprosate (RR = 1.33; 95% CI, 1.15-1.54), and oral naltrexone (RR = 1.15; 95% CI, 1.01-1.32) improved total abstinence over placebo (Fig. 3C). For reduced heavy drinking, disulfiram (RR = 0.19; 95% CI, 0.10-0.35), baclofen (RR = 0.72; 95% CI, 0.57-0.91), acamprosate (RR = 0.78; 95% CI, 0.70-0.86), and oral naltrexone (RR = 0.81; 95% CI, 0.73-0.90) were efficacious against placebo. CONCLUSIONS: The current meta-analyses provide evidence that several medications for AUDs are effective and safe and encourage the expanded use of these medications in the clinical setting. Our review found that acamprosate (2-3 g/d), disulfiram (250-500 mg/d), baclofen (30 mg/d), and oral naltrexone (50 mg/d) had the best evidence for improving abstinence and heavy drinking for patients with AUD. PROSPERO: CRD42020208946.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0110,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,151
Tête enseignante GPT0,392
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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