Smoking, Pain Intensity, and Opioid Consumption 1–3 Months After Major Surgery: A Retrospective Study in a Hospital-Based Transitional Pain Service
Notice bibliographique
Résumé
Introduction: The present study investigated the associations between smoking, pain, and opioid consumption in the 3 months after major surgery in patients seen by the Transitional Pain Service. Current smoking status and lifetime pack-years were expected to be related to higher pain intensity, more opioid use, and poorer opioid weaning after surgery. Methods: A total of 239 patients reported smoking status in their presurgical assessment (62 smokers, 92 past smokers, and 85 never smokers). Pain and daily opioid use were assessed in hospital before postsurgical discharge, at first outpatient visit (median of 1 month postsurgery), and at last outpatient visit (median of 3 months postsurgery). Pain was measured using numeric rating scale. Morphine equivalent daily opioid doses were calculated for each patient. Results: Current smokers reported significantly higher pain intensity (p < .05) at 1 month postsurgery than never smokers and past smokers. Decline in opioid consumption differed significantly by smoking status, with both current and past smokers reporting a less than expected decline in daily opioid consumption (p < .05) at 3 months. Decline in opioid consumption was also related to pack-years, with those reporting higher pack-years having a less than expected decline in daily opioid consumption at 3 months (p < .05). Conclusions: Smoking status may be an important modifiable risk factor for pain intensity and opioid use after surgery. Implications: In a population with complex postsurgical pain, smoking was associated with greater pain intensity at 1 month after major surgery and less opioid weaning 3 months after surgery. Smoking may be an important modifiable risk factor for pain intensity and opioid use after surgery.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».