Real-World Effectiveness and Tolerability of Low Dose Naltrexone to Treat Chronic Pain: A Retrospective Cohort Study of One Pain Physician’s Practice
Notice bibliographique
Résumé
Purpose: Low-dose naltrexone (LDN) is an off-label treatment for chronic pain, with evidence supporting its use mainly consisting of small-scale studies. This retrospective cohort review aimed to contribute to this growing body of literature and evaluate the real-world effectiveness of LDN across a range of chronic pain conditions in a single physician's practice. Patients and Methods: A total of 128 patients prescribed LDN between September 2021 and June 2024 were reviewed independently by two investigators, with 93 meeting inclusion criteria. Patients were categorized into 12 groups based on diagnosis, with fibromyalgia representing the largest subgroup (27 patients). Retrospective cohort data was collected and included patient demographics, adverse effects, dosage, duration of therapy, and reported symptom relief. Descriptive statistics were used to analyze findings. Results: Subjective symptom relief was reported by 53.8% of patients, most commonly improvements in pain (49 patients) and fatigue (25 patients), when taking LDN. The highest response rates were seen in patients with mast cell activation syndromes and arthritis-related conditions (71.4%). Adverse effects occurred in 49.5% of patients, most frequently nausea and fatigue. No serious adverse effects were reported. Conclusion: These findings suggest that LDN may be an effective and well-tolerated treatment option for a range of chronic pain conditions. Further studies, such as randomized controlled trials, are warranted to confirm these results and optimize dosing strategies.
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 | 0,044 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».