Impact of Perioperative Pain Intensity, Pain Qualities, and Opioid Use on Chronic Pain After Surgery
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: A better understanding of the pathogenesis of chronic postsurgical pain is needed in order to develop effective prevention and treatment interventions. The objective of this study was to evaluate the incidence and risk factors for chronic postsurgical pain in women undergoing gynecologic surgery. METHODS: Pain characteristics, opioid consumption, and psychologic factors were captured before and 6 months after surgery. Analyses included univariate statistics, relative risks (RRs) and 95% confidence intervals (95% CIs), and modified Poisson regression for binary data. RESULTS: Pain and pain interference 6 months after surgery was reported by 14% (n = 60/433) and 12% (n = 54/433), respectively. Chronic postsurgical pain was reported by 23% (n = 39/172) with preoperative pelvic pain, 17% (n = 9/54) with preoperative remote pain, and 5.1% (n = 10/197) with no preoperative pain. Preoperative state anxiety (RR = 1.8; 95% CI, 1.1-2.8), preoperative pain (pelvic RR = 3.7; 95% CI, 1.9-7.2; remote RR = 3.0; 95% CI, 1.3-6.9), and moderate/severe in-hospital pain (RR = 3.0; 95% CI, 1.0-9.4) independently predicted chronic postsurgical pain. The same 3 factors predicted pain-interference at 6 months. Participants describing preoperative pelvic pain as "miserable" and "shooting" were 2.8 (range, 1.3-6.4) and 2.1 (range, 1.1-4.0) times more likely to report chronic postsurgical pain, respectively. Women taking preoperative opioids were 2.0 (range, 1.2-3.3) times more likely to report chronic postsurgical pain than those not taking opioids. Women with preoperative pelvic pain who took preoperative opioids were 30% (RR = 1.3; 95% CI, 0.8-1.9) more likely to report chronic postsurgical pain than those with preoperative pelvic pain not taking opioids. CONCLUSIONS: Preoperative pain, state anxiety, pain quality descriptors, opioid consumption, and early postoperative pain may be important predictors of chronic postsurgical pain, which require further investigation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».