Opioid Use among Same‐Day Surgery Patients: Prevalence, Management and Outcomes
Notice bibliographique
Résumé
OBJECTIVES: To determine whether the prevalence of opioid use among patients requiring elective same-day admission (SDA) surgery is greater than the 2.5% prevalence found in the general population. Secondary objectives were to assess compliance with expert recommendations on acute pain management in opioid-tolerant patients and to examine clinical outcomes. METHODS: A retrospective review of 812 systematically sampled adult SDA surgical cases between April 1, 2008 and March 31, 2009 was conducted. RESULTS: Among 798 eligible patients, 148 (18.5% [95% CI 15.9% to 21.2%]) were prescribed opioids, with 4.4% prescribed long-acting opioids (95% CI 3.0% to 5.8%). Use of opioids was most prevalent among orthopedic and neurosurgery patients. Among the 35 patients on long-acting opioids who had a high likelihood of being tolerant, anesthesiologists correctly identified 33, but only 13 (37%) took their usual opioid preoperatively while 22 (63%) had opioids continued postoperatively. Acetaminophen, nonsteroidal anti-inflammatory drugs and pregabalin were ordered preoperatively in 18 (51%), 15 (43%) and 18 (51%) cases, respectively, while ketamine was used in 15 (43%) patients intraoperatively. Acetaminophen, nonsteroidal anti-inflammatory drugs and pregabalin were ordered postoperatively in 31 (89%), 15 (43%) and 17 (49%) of the cases, respectively. No differences in length of stay, readmissions and emergency room visits were found between opioid-tolerant and opioid-naive patients. CONCLUSION: Opioid use is more common in SDA surgical patients than in the general population and is most prevalent within orthopedic and neurosurgery patients. Uptake of expert opinion on the management of acute pain in the opioid tolerant patient population is lacking.
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 | 0,003 | 0,000 |
| 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 | 0,001 |
| 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 ».