Analgesia in Neurocritical Care
Notice bibliographique
Résumé
OBJECTIVE: To characterize analgesic administration in neurocritical care. DESIGN: ICU pharmacy database analgesic delivery audits from five countries. A 31-question analgesic agent survey was constructed, validated, and e-distributed in four countries. SETTING: International multicenter neuro-ICU database audit and electronic survey. PATIENTS: Six ICUs provided individual, anonymized analgesic delivery data in primary neurological diagnosis patients. Prescriber surveys were disseminated by neurocritical care societies. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Analgesic delivery data from 173 patients in French, Canadian, American, and Australian and New Zealand ICUs suggest that acetaminophen/paracetamol is the most common first-line analgesic (49.1% of patients); opiates are the "second line" in 31.5% of patients; however, 33% patients received no second agent. In the 2.3% with demyelinating disease, gabapentin was the most likely second analgesic (50.0%). Third-line analgesics were scarce across sites and neuropathologies. Few national or regional differences were found. The analgesic preference rankings noted by the 95 international physicians who completed the survey matched the audits. However, self-reported analgesic prescription rates were much higher than pharmacy records indicate, with self-reported prescribing of both acetaminophen/paracetamol and opiates in 97% of patients and gabapentin in 45% of patients. Third-line analgesic variability appeared to be driven by neuropathology; ibuprofen was preferred for traumatic brain injury, postcraniotomy, and thromboembolic stroke patients, whereas gabapentin/pregabalin were favored in subarachnoid hemorrhage, intracranial hemorrhage, spine, demyelinating disease, and epileptic patients. CONCLUSIONS: Opiates and acetaminophen are preferred analgesic agents, and gabapentin is a contextual third choice, in neurocritically ill patients. Other agents are rarely prescribed. The discordance in physician self-reports and objective audits suggest that pain management optimization studies are warranted.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».