Comment on: “Buprenorphine for acute post-surgical pain: A systematic review and meta-analysis”
Notice bibliographique
Résumé
Dear Editor, I read with great interest the recently published systematic review and meta-analysis (SRMA) on the efficacy of buprenorphine for acute post-surgical pain.[1] I congratulate Albaqami et al.[1] for this great study and wish to present my insights on that article. Albaqami et al.[1] state in the “Discussion” that “this was the first SRMA that evaluate the efficacy of transdermal buprenorphine and sublingual buprenorphine for postoperative pain management”. Although it might be technically correct, I wish to point out that another SRMA on this topic[2] got published recently. The only and slight difference is that while Albaqami et al.[1] included studies using both transdermal and sublingual buprenorphine, Machado et al.[2] included only transdermal buprenorphine studies. Even if we consider that this SRMA is unique in that it included both these routes when compared to the previously published SRMA,[2] Albaqami et al.[1] didn’t elaborate on the sublingual buprenorphine studies (reference # 11,21, 22,24 of Albaqami et al.[1]) anywhere in the “Discussion”. Moreover, the Vancouver style of referencing was violated as these 15 studies (references #11 to 25) were not cited before citing references 26, and 27 in the “Discussion”. Albaqami et al.[1] state in the “Methodology” that “Studies using fentanyl and tramadol in the control group were considered eligible as fentanyl and tramadol are well studied in clinical trials and understood opioids”. However, studies using a placebo and other drugs such as parecoxib, celecoxib, lurbiprofen, etc., for comparison were also included. Last but not least, Albaqami et al.[1] didn’t include a few eligible studies for this SRMA. For instance, studies by Nanda et al.[3] and Li et al.,[4] published in 2020 should have been included. Although another study by Patanwala et al.[5] got published in March 2022, I feel that this study could have been included in this SRMA. Financial support and sponsorship Nil. Conflicts of interest There are no conflicts of interest.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,032 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».