Systematic review of movement-evoked pain versus pain at rest in postsurgical clinical trials and meta-analyses: A fundamental distinction requiring standardized measurement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To estimate frequency of movement-evoked pain (MEP) measurement in human postsurgical investigations, we reviewed thoracotomy, knee arthroplasty, and hysterectomy clinical trials and meta-analyses. Only 39% of trials measured MEP and 52% failed to identify pain outcome as pain at rest (PAR) or MEP. Temporal trending did not suggest that MEP measurement is becoming more frequent. Trials measuring both MEP and PAR suggest that MEP is 95-226% more intense than PAR in the first 3 postoperative days. Among trials measuring MEP, 38% did not specify the physical maneuver used to assess MEP. Five of 7 meta-analyses reviewed (71%) did not distinguish between PAR and MEP, and none of the 7 meta-analyses declared the 20-59% of reviewed trials that had failed to identify their pain outcome as PAR or MEP. These results suggest an unchanging neglect of MEP in postsurgical pain trials and frequent failure to identify pain outcome as PAR or MEP. This is an important problem because MEP is usually more severe than PAR; MEP exerts a more direct adverse impact on postsurgical functional recovery and several current and novel pain treatments differentially affect MEP vs PAR. Failure to distinguish between PAR and MEP and standardize their measurement threatens trial precision and ability to identify interventions with the most clinically relevant effects on pain. We therefore recommend developing consistent terminology regarding PAR and MEP, considering inclusion of MEP as a pain outcome in every postsurgical trial, and standardizing measurement of PAR and MEP on a procedure-specific basis.
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.
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 | 0,440 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,004 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle