A comparison of pain scores and medication use in patients undergoing single-bundle or double-bundle anterior cruciate ligament reconstruction
Notice bibliographique
Résumé
BACKGROUND: No gold standard exists for the management of postoperative pain following anterior cruciate ligament reconstruction (ACLR). We compared the pain scores and medication use of patients undergoing single-bundle (SB) or double-bundle (DB) ACLR in the acute postoperative period. Pain and medication use was also analyzed for spinal versus general anesthesia approaches within both surgery types. METHODS: We assessed 2 separate cohorts of primary ACLR patients, SB and DB, for 14 days postoperatively. We used a standard logbook to record self-reported pain scores and medication use. Pain was assessed using a 100 mm visual analogue scale (VAS). Medications were divided into 3 categories: oral opioids, oral nonsteroidal anti-inflammatories and acetaminophen. RESULTS: A total of 88 patients undergoing SB and 41 undergoing DB ACLR were included in the study. We found no significant difference in VAS pain scores between the cohorts. Despite similar VAS pain scores, the DB cohort consumed significantly more opioid and analgesia medication (p = 0.011). Patients who underwent DB with spinal anesthesia experienced significantly less pain over the initial 14-day postoperative period than those who received general anesthesia (p < 0.001). CONCLUSION: Adequate pain relief was provided to all ACLR patients in the initial postoperative period. Patients in the DB cohort experienced more pain, as evidenced by the significant diffrence in consumption of opioids and acetaminophen, than the SB cohort. Patients who underwent spinal anesthesia experienced less pain in the acute postoperative period than those who received general anesthesia.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».