MétaCan
Menu
Retour à la cohorte
Enregistrement W2741303436 · doi:10.1213/ane.0000000000002280

Role of the Perioperative Surgical Home in Optimizing the Perioperative Use of Opioids

2017· review· en· W2741303436 sur OpenAlexaboutno aff
Thomas R. Vetter, Zeev N. Kain

Notice bibliographique

RevueAnesthesia & Analgesia · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePerioperativeIntensive care medicineOpioidConvalescenceAnalgesicBiopsychosocial modelChronic painMedical prescriptionPopulationAnesthesiaPhysical therapySurgeryPsychiatryNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Several federal agencies have recently noted that the United States is in the midst of an unprecedented "opioid epidemic," with an increasing number of opioid-related overdoses and deaths. Providers currently face 3 population-level, public health challenges in providing optimal perioperative pain care: (1) the continued lack of overall improvement in the excessive incidence of inadequately treated postoperative pain, (2) minimizing or preventing postoperative opioid-related side effects, and (3) addressing current opioid prescribing patterns, and the accompanying problematic surge in prescription opioid diversion, misuse, abuse, addiction, and overdose. In the Perioperative Surgical Home model, anesthesiologists and other pain medicine specialists are uniquely qualified and positioned to develop, implement, and coordinate a comprehensive perioperative analgesic plan, which begins with the formal preoperative patient assessment and continues throughout the postdischarge, convalescence period. The scope and practice of pain management within the Perioperative Surgical Home should thus (a) expand to include routine preoperative patient-level pain-risk stratification (including the chronic use of opioid and nonopioid analgesics), (b) address the multitude of biopsychosocial factors that contribute to interpatient pain variability, and (c) extend and be well coordinated across all 4 phases of the surgical pain experience (preoperative, intraoperative, postoperative, and postdischarge). Specifically, safe and effective perioperative pain management should include a plan of care that is tailored to the individual patient's underlying disease(s), presence of a chronic pain condition and preoperative use of opioids, and the specific surgical procedure-with evidence-based, multimodal analgesic regimens being applied in the vast majority of cases. An iteratively evolutionary component of an existing institutional Perioperative Surgical Home program can be an integrated Transitional Pain Service, which is modeled directly after the well-established prototype at the Toronto General Hospital in Ontario, Canada. This multidisciplinary, perioperative Transitional Pain Service seeks to modify the pain trajectories of patients who are at increased risk of (a) long-term, increasing, excessive opioid consumption and/or (b) developing chronic postsurgical pain. Like the Perioperative Surgical Home program in which it can be logically integrated, such a Transitional Pain Service can serve as the needed but missing linkage to improve the continuum of care and perioperative pain management for elective, urgent, and emergent surgery. Even if successfully and cost-efficiently embedded within an existing Perioperative Surgical Home, a new perioperative Transitional Pain Service will require additional resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,002
Communication savante0,0070,003
Science ouverte0,0010,006
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,333
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnesthesia & AnalgesiaMême sujetAnesthesia and Pain ManagementTravaux en français237 207