Hyperalgesia and increased sevoflurane minimum alveolar concentration induced by opioids in the rat
Notice bibliographique
Résumé
BACKGROUND: Perioperative opioids reduce inhalational anaesthetic requirements. The initial hypoalgesia may, however, be followed by a rebound hyperalgesia. OBJECTIVES: To determine whether prior opioid administration influences inhalational anaesthetic requirements, which might be associated with opioid-induced hyperalgesia. DESIGN: A prospective, randomised, experimental study. SETTING: Experimental Surgery, La Paz University Hospital, Madrid, Spain. ANIMALS: Seventy-nine adult male Wistar rats. INTERVENTIONS: Sevoflurane minimum alveolar concentration (MAC) and mechanical nociceptive thresholds (MNTs) were assessed at baseline and 7 days later following opioid treatment with remifentanil 120 μg kg-1 h-1, buprenorphine 150 μg kg-1, methadone 8 mg kg-1 or morphine 10 mg kg-1 The duration of the effect of remifentanil on MAC and MNT was evaluated in addition to the preventive effect of ketamine 10 mg kg-1 on remifentanil-induced hyperalgesia. MAIN OUTCOME MEASURES: The effect of different opioid treatments on MAC and MNT was evaluated using analysis of variance (ANOVA). RESULTS: All studied opioids produced an immediate reduction in sevoflurane MAC, followed by an increase (16%) in baseline MAC 7 days later (P < 0.05), although the immediate MAC reduction produced by these opioids at that time was not different. Remifentanil produced a decrease in MNT (P < 0.05), which was associated with an increase in the MAC (P < 0.05) that persisted at 21 days. The effect of remifentanil on MNT and MAC was blocked by ketamine. CONCLUSION: Opioid-induced hyperalgesia was associated with an increase in the MAC in normal rats who had not undergone surgery. Both effects lasted 21 days and were prevented by ketamine.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».