Pain, Health‐Related Quality of Life and Health Care Utilization after Inpatient Surgery: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Little is known about pain-related outcomes in surgical inpatients after discharge from the hospital. An ongoing risk and outcomes monitoring system would provide valuable feedback to improve the quality of patient care. OBJECTIVES: The purpose of the present pilot study was to describe postoperative pain, medication use, health care utilization and health-related quality of life (HRQOL) immediately and four weeks after surgery; merge clinically captured data with Web-based follow-up data; and examine patients' willingness to complete Web-based health questionnaires. METHODS: One hundred two consecutive surgical inpatients were approached for participation. Perioperative data were abstracted from the acute pain management service clinical database and linked to follow-up data captured four weeks postoperatively. RESULTS: Follow-up questionnaires were completed by 88 participants. Clinical assessment data were successfully linked to Web-based follow-up data. Average pain intensity (3.7) four weeks following discharge fell just short of the acute pain management service active pain score of 3.9. At four weeks, all 88 participants reported significantly impaired HRQOL, 36 were still taking pain medications and 15 had visited an emergency room. Two-thirds of the participants had access to the Internet at home and approximately one-half were willing to complete on-line health questionnaires. DISCUSSION: The study indicates that it is feasible to link clinical and research data, and shows a significant burden of pain and reduced HRQOL in the weeks following discharge. This approach to converting clinically captured data into meaningful information about surgical outcomes is valuable in the development of an ongoing risk and outcomes monitoring system.
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 | 0,019 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».