Predictors of response to full agonist opioids in enriched enrollment randomized withdrawal clinical trials: a participant-level data meta-analysis
Notice bibliographique
Résumé
ABSTRACT: This study aims to identify predictors of success in treating chronic pain patients with full agonist opioids by analyzing harmonized individual patient data from 5594 participants in 9 enriched enrollment randomized withdrawal clinical trials available in the Food and Drug Administration data repository. We analyzed both the participants' success with titration and continued success in the 84-day maintenance phases after randomization for those maintained on the drug. We used the full data set to assess participant demographics and subsets of data containing participant reported outcomes at baseline. Participants had an average age of 51, with 55% female participants and 66% non-Hispanic white. No clinically relevant differences were observed between participants who failed titration or those who continued on full agonists through the maintenance phase. Prediction models were developed using mixed effects logistic regression and generalized linear mixed models, with the study as a random effect to account for inter-study differences. Despite large numbers, the analysis did not reveal clinically useful prediction models for either the titration or maintenance phase; however, higher initial pain scores were modest predictors of poorer outcomes. No patient-reported outcome measures were predictive of responses to therapy. The study's limitations include its volunteer-based sample and the exclusion criteria, although excluding patients with opioid use disorder or serious psychological conditions are similar to those used in clinical care. As no strong predictive factors for successful treatment were identified, the decision to use opioids to treat chronic pain requires careful clinical judgment and close monitoring.
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 | 0,049 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,033 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».