Drug-Free Interventions to Reduce Pain or Opioid Consumption After Total Knee Arthroplasty
Notice bibliographique
Résumé
IMPORTANCE: There is increased interest in nonpharmacological treatments to reduce pain after total knee arthroplasty. Yet, little consensus supports the effectiveness of these interventions. OBJECTIVE: To systematically review and meta-analyze evidence of nonpharmacological interventions for postoperative pain management after total knee arthroplasty. DATA SOURCES: Database searches of MEDLINE (PubMed), EMBASE (OVID), Cochrane Central Register of Controlled Trials (CENTRAL), Cochrane Database of Systematic Reviews, Web of Science (ISI database), Physiotherapy Evidence (PEDRO) database, and ClinicalTrials.gov for the period between January 1946 and April 2016. STUDY SELECTION: Randomized clinical trials comparing nonpharmacological interventions with other interventions in combination with standard care were included. DATA EXTRACTION AND SYNTHESIS: Two reviewers independently extracted the data from selected articles using a standardized form and assessed the risk of bias. A random-effects model was used for the analyses. MAIN OUTCOMES AND MEASURES: Postoperative pain and consumption of opioids and analgesics. RESULTS: Of 5509 studies, 39 randomized clinical trials were included in the meta-analysis (2391 patients). The most commonly performed interventions included continuous passive motion, preoperative exercise, cryotherapy, electrotherapy, and acupuncture. Moderate-certainty evidence showed that electrotherapy reduced the use of opioids (mean difference, -3.50; 95% CI, -5.90 to -1.10 morphine equivalents in milligrams per kilogram per 48 hours; P = .004; I2 = 17%) and that acupuncture delayed opioid use (mean difference, 46.17; 95% CI, 20.84 to 71.50 minutes to the first patient-controlled analgesia; P < .001; I2 = 19%). There was low-certainty evidence that acupuncture improved pain (mean difference, -1.14; 95% CI, -1.90 to -0.38 on a visual analog scale at 2 days; P = .003; I2 = 0%). Very low-certainty evidence showed that cryotherapy was associated with a reduction in opioid consumption (mean difference, -0.13; 95% CI, -0.26 to -0.01 morphine equivalents in milligrams per kilogram per 48 hours; P = .03; I2 = 86%) and in pain improvement (mean difference, -0.51; 95% CI, -1.00 to -0.02 on the visual analog scale; P < .05; I2 = 62%). Low-certainty or very low-certainty evidence showed that continuous passive motion and preoperative exercise had no pain improvement and reduction in opioid consumption: for continuous passive motion, the mean differences were -0.05 (95% CI, -0.35 to 0.25) on the visual analog scale (P = .74; I2 = 52%) and 6.58 (95% CI, -6.33 to 19.49) opioid consumption at 1 and 2 weeks (P = .32, I2 = 87%), and for preoperative exercise, the mean difference was -0.14 (95% CI, -1.11 to 0.84) on the Western Ontario and McMaster Universities Arthritis Index Scale (P = .78, I2 = 65%). CONCLUSIONS AND RELEVANCE: In this meta-analysis, electrotherapy and acupuncture after total knee arthroplasty were associated with reduced and delayed opioid consumption.
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 | 0,012 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,012 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».