MétaCan
Menu
← Retour à la cohorte
Enregistrement W6981716612

Evaluation of Efficacy of Perineural Steroids and Local Anesthetics for Chronic Post-traumatic Neoropathic Pain

2021· dissertation· W6981716612 sur OpenAlexfundno aff

Notice bibliographique

RevueTSpace · 2021
Typedissertation
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésPeripheralAdverse effectAnkleRefractory (planetary science)Chronic painCohortPeripheral nerve
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Trauma leading to entrapment or compression of nerves is an important cause of chronic refractory peripheral neuropathic pain (NP). The aim of this thesis was to evaluate benefits and adverse effects (AE) of administering steroids and local anesthetics around peripheral nerves subject to compression or trauma in patients with chronic peripheral NP. The first study, a systematic review and meta-analysis (SR-MA), showed a modest reduction in pain intensity based on numerical rating scale (NRS; 0-10) pain scores for patients receiving perineural steroids compared with those receiving LA or conventional medical management (CMM) (-0.69 points; 95% CI: -1.27 to -0.12; P = 0.02; I2=85%) at one to three months after the intervention. However, the quality of the studies was low. The second study was a retrospective, sequential, double cohort study in patients who sustained work-related injuries and developed trauma- or compression-related chronic peripheral NP of moderate-to-severe intensity in the ankle or the foot. In this study, the median NRS pain scores were lower in those treated by a combination of perineural local anaesthesia/steroids (LA-S) and CMM compared to those treated only with CMM [5.50(IQR 4.00-7.00) and 7.00(IQR 5.00-8.00) respectively; p

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,008
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,313
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace→Même sujetHistorical Economic and Social Studies→Travaux en français237 207→