Evaluating buprenorphine to treat cancer pain: a systematic review protocol
Notice bibliographique
Résumé
BACKGROUND: Many patients with cancer experience pain related to their disease. Opioids are commonly used for moderate-to-severe cancer-related pain but carry significant side effects that may worsen quality of life. Buprenorphine, a partial mu opioid receptor (MOR) agonist, is increasingly used for the management of cancer-related pain. Although well studied as a treatment for opioid use disorder, its role in managing cancer pain is less understood. METHODS: We aim to systematically gather, assess, and summarize prior studies on the impact of buprenorphine upon cancer-related pain. Cochrane CENTRAL, OVID Medline, EMBASE, EBSCO, and Web of Science will be searched in September 2025 for any studies available to date. Studies involving buprenorphine as an intervention upon cancer-related pain will be included where pain outcomes are measured at two or more timepoints using a validated scale. Exclusions apply to case studies/series with fewer than five subjects, qualitative studies, conference abstracts, review articles, research protocols, studies solely focused on post-operative pain, and studies not available in English translation. After final selection, study type classification, and data extraction, a quality assessment will be conducted using the Cochrane ROB 2 tool for randomized controlled trials (RCTs) and the Newcastle-Ottawa Scale for cohort and case-control studies. The summarized data will be evaluated using Grading of Recommendations Assessment, Development and Evaluation (GRADE) criteria. DISCUSSION: The primary objective is to fill a knowledge gap by summarizing literature on buprenorphine for cancer pain management, including a broad range of study designs, drug formulations, and dosing. This systematic review aims to provide a comprehensive understanding of buprenorphine's efficacy and safety in cancer pain management, which could inform clinical practice and future research directions. SYSTEMATIC REVIEW REGISTRATION: This protocol was registered in PROSPERO (CRD42022383591).
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 | 0,067 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,017 | 0,014 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,009 |
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 ».