The psychology of chronic post-surgical pain: new frontiers in risk factor identification, prevention and management
Notice bibliographique
Résumé
In an era of considerable advances in anaesthesiology and pain medicine, chronic pain after major surgery continues to be problematic. This article briefly reviews the known psychological risk and protective factors associated with the development of chronic postsurgical pain (CPSP). We begin with a definition of CPSP and then explain what we mean by a risk/protective factor. Next, we summarize known psychological risk and protective factors for CPSP. Psychological interventions that target risk factors and may impact postsurgical pain are reviewed, including the acceptance and commitment therapy (ACT)-based approach to CPSP prevention and management we use in the Transitional Pain Service (TPS) at the Toronto General Hospital. Finally, we conclude with recommendations for research in risk factor identification and psychological interventions to prevent CPSP. Several pre-surgical psychological risk factors for CPSP have been consistently identified in recent years. These include negative affective constructs, such as anxiety symptoms, depressive symptoms, pain catastrophizing and general psychological distress. In contrast, relatively few studies have examined psychological protective factors for CPSP. Psychological interventions that target known psychological risk factors while enhancing protective psychological factors may reduce new incidence of CPSP. The primary goal of our ACT intervention is to teach patients a mindful way of responding to their postsurgical pain that empowers them to interrupt the negative cycle of pain, distress, behavioural avoidance and escalating opioid use that can limit functioning and quality of life while paradoxically amplifying pain over time. Early clinical outcome data suggest that patients who receive care from TPS physicians reduce their pain and opioid use, yet patients who also receive our ACT intervention have a larger decrease in daily opioid dose while reporting less pain interference and lower depression scores.
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 | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».