Current approaches for the treatment of ketamine‐induced cystitis
Notice bibliographique
Résumé
AIMS: Ketamine is a dissociative anesthetic, historically used in a clinical setting for the induction and maintenance of anesthesia. Ketamine usage can produce undesirable psychological manifestations including hallucinations and long-term psychotomimetic effects. As a results of its fast onset and short period of action, ketamine is widely used as a recreational drug. Chronic abuse of ketamine can lead to significant urinary system complications including ketamine-induced cystitis (KIC). Common side effects of chronic ketamine abuse are urinary pain and discomfort and decreased bladder compliance and voiding pressure. Cessation of ketamine use is associated with improvement of symptoms however the exact pathophysiology of KIC remains unknown, complicating the ability of clinicians to treat this condition. METHOD: A literature search was performed using the National Center for Biotechnology Information (NCBI) Pubmed database up to May 2021. RESULTS: Animal models of KIC are necessary to further our understanding of KIC pathophysiology and explore potential treatment options. In all cases, cessation of ketamine use is the first line of treatment and is most effective in managing KIC. In addition to cessation, treatment plans must be tailored to the individual, based on the severity of symptoms and disease progression, and include options such as: oral anti-inflammatories, intravesical treatment and in the most severe cases, surgical intervention. CONCLUSION: KIC is a painful condition that currently lacks standardized treatment methods. Both animal models of KIC and clinical trials to further elucidate the mechanism of KIC pathophysiology must be explored to create targeted treatment plans.
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 | 0,000 | 0,000 |
| 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 ».