Strategies Aimed at Preventing Chronic Post-surgical Pain: Comprehensive Perioperative Pain Management after Total Joint Replacement Surgery
Notice bibliographique
Résumé
PURPOSE: Chronic post-surgical pain (CPSP) is a frequent outcome of musculoskeletal surgery. Physiotherapists often treat patients with pain before and after musculoskeletal surgery. The purposes of this paper are (1) to raise awareness of the nature, mechanisms, and significance of CPSP; and (2) to highlight the necessity for an inter-professional team to understand and address its complexity. Using total joint replacement surgeries as a model, we provide a review of pain mechanisms and pain management strategies. SUMMARY OF KEY POINTS: By understanding the mechanisms by which pain alters the body's normal physiological responses to surgery, clinicians selectively target pain in post-surgical patients through the use of multi-modal management strategies. Clinicians should not assume that patients receiving multiple medications have a problem with pain. Rather, the modern-day approach is to manage pain using preventive strategies, with the aims of reducing the intensity of acute postoperative pain and minimizing the development of CPSP. CONCLUSIONS: The roles of biological, surgical, psychosocial, and patient-related risk factors in the transition to pain chronicity require further investigation if we are to better understand their relationships with pain. Measuring pain intensity and analgesic use is not sufficient. Proper evaluation and management of risk factors for CPSP require inter-professional teams to characterize a patient's experience of postoperative pain and to examine pain arising during functional activities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».