Opioidy w leczeniu polineuropatii wywołanej chemioterapią
Bibliographic record
Abstract
Polineuropatia wywołana chemioterapią (chemotherapy-induced polyneuropathy -CIPN) jest częstym powikłaniem leczenia przyczynowego nowotworów.Głównymi lekami pozostają leki przeciwpadaczkowe i przeciwdepresyjne, jednak opioidy stanowią integralną część terapii złożonej w tej jednostce chorobowej.Artykuł jest próbą oceny aktualnej wiedzy na temat roli opioidów w leczeniu CIPN.Brak badań dotyczących stosowania opioidów w CIPN powoduje, że wnioski na temat ich skuteczności można wysnuwać jedynie per analogiam.Na podstawie dostępnej literatury dotyczącej doświadczeń modelowych i obserwacji klinicznych można stwierdzić, że opioidy są ważnymi składnikami w terapii złożonej w przypadku bólu neuropatycznego, a zatem skuteczne również podczas leczenia CIPN.Powinowactwo do receptorów błonowych jest jednym z warunków działania analgetycznego leków opioidowych.Różnorodność tych białek i ich podklas warunkuje różną skuteczność ich ligandów, co uzasadnia zarówno rotację opioidów, jak i ich łączenie.Na podstawie badań modelowych i obserwacji klinicznych stwierdzono, że spośród czystych agonistów receptora opioidowego najsilniejsze działanie analgetyczne w bólu neuropatycznym wykazał oksykodon.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.195 | 0.095 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".