Efficacy of postoperative pain management in head and neck cancer patients
Notice bibliographique
Résumé
BACKGROUND: Our study quantifies the effectiveness of perioperative pain control in a cohort of patients undergoing major head and neck surgery with free flap reconstruction. Our long-term goal is to improve pain control and thereby increase mobility, decrease postoperative complications and decrease hospital stay. METHODS: A retrospective analysis was performed at a tertiary, academic head and neck surgical oncology program in Calgary, Alberta, Canada from January 1, 2015 - December 31, 2015. Pain scores were recorded prospectively. Primary outcomes were frequency of postoperative pain assessments and pain intensity using the numeric rating scale. RESULTS: The cohort included 41 patients. Analysis was limited to pain scores recorded from postoperative days 1-14. There was an average of 7.3 pain measurements per day (SD 4.6, range 1-24) with the most frequent monitoring on postoperative days 1-4. Median pain scores ranged from 0 to 4.5 with the highest median score on postoperative day 6. The daily maximum pain scores recorded ranged from 8 to 10 with scores of 10 recorded on postoperative days 1, 2, 3, 5, 7, 8, and 10. Patients most frequently had inadequate pain control on postoperative days 1, 2, 4, and 5 with the majority occurring on postoperative day 1. CONCLUSIONS: Postoperative pain control could be improved at our centre. The frequency of pain assessments is also highly variable. Ongoing measurement, audit, and feedback of analgesic protocol effectiveness is an excellent first step in improving perioperative pain management in patients undergoing major head and neck cancer surgery with free flap reconstruction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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; 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 ».