Evaluating the Association Between Acute and Chronic Pain After Surgery
Notice bibliographique
Résumé
AIM/OBJECTIVES/BACKGROUND: There is a need to predict chronic (Z3mo) postsurgical pain (CPSP). Acute (<7 d) pain is a predictor, that is, more severe pain is associated with higher CPSP risk. However, reported associations vary widely. METHODS: Using a systematic search, we examined associations between 2 acute pain measures (pain at rest [PAR] and movement-evoked pain [MEP]) and CPSP outcomes (considering severity vs. any "nonzero" pain only) in 22 studies. RESULTS: Seven studies reported the relationship between CPSP and both PAR and MEP. Of these, 2/7 reported no association, 3/7 reported significant associations for both PAR and MEP, 1/7 reported an association for PAR only, and 1/7 reported an association for MEP only. Six of another 7 studies reporting only the association for MEP found a significant relationship. Three of the 5 studies that did not specify whether acute pain outcomes were PAR or MEP reported a significant relationship. Another 3 studies reporting a relationship with CPSP did not specify whether this was for PAR, MEP, or both. All investigations incorporating severity of CPSP in their analyses (n=7) demonstrated a significant relationship, whereas only 10 of the 15 studies that dichotomized CPSP outcome as "no pain" versus "any"/"nonzero pain" were positive. CONCLUSIONS: Overall, evidence for an association between acute and chronic pain is moderate at best. However, closer attention to pain measurement methods will clarify the relationships between acute pain and CPSP. We propose that future CPSP predictor studies assess both PAR and MEP acutely and also incorporate CPSP severity in their analyses.
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 | 0,065 | 0,011 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».