MétaCan
Menu
Retour à la cohorte
Enregistrement W2920287242 · doi:10.1213/ane.0000000000004018

American Society for Enhanced Recovery and Perioperative Quality Initiative Joint Consensus Statement on Perioperative Management of Patients on Preoperative Opioid Therapy

2019· review· en· W2920287242 sur OpenAlexaff
David A. Edwards, Traci L. Hedrick, Jennifer Jayaram, Charles E. Argoff, Padma Gulur, Stefan D. Holubar, Tong J. Gan, Michael G. Mythen, Timothy E. Miller, Andrew Shaw, Julie K. Thacker, Matthew D. McEvoy

Notice bibliographique

RevueAnesthesia & Analgesia · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésMedicinePerioperativeIntensive care medicineMultidisciplinary approachHealth careOpioidPopulationMEDLINEPatient satisfactionMedical emergencyNursingAnesthesia

Résumé

récupéré en direct d'OpenAlex

Enhanced recovery pathways have quickly become part of the standard of care for patients undergoing elective surgery, especially in North America and Europe. One of the central tenets of this multidisciplinary approach is the use of multimodal analgesia with opioid-sparing and even opioid-free anesthesia and analgesia. However, the current state is a historically high use of opioids for both appropriate and inappropriate reasons, and patients with chronic opioid use before their surgery represent a common, often difficult-to-manage population for the enhanced recovery providers and health care team at large. Furthermore, limited evidence and few proven successful protocols exist to guide providers caring for these at-risk patients throughout their elective surgical experience. Therefore, the fourth Perioperative Quality Initiative brought together an international team of multidisciplinary experts, including anesthesiologists, nurse anesthetists, surgeons, pain specialists, neurologists, nurses, and other experts with the objective of providing consensus recommendations. Specifically, the goal of this consensus document is to minimize opioid-related complications by providing expert-based consensus recommendations that reflect the strength of the medical evidence regarding: (1) the definition, categorization, and risk stratification of patients receiving opioids before surgery; (2) optimal perioperative treatment strategies for patients receiving preoperative opioids; and (3) optimal discharge and continuity of care management practices for patients receiving opioids preoperatively. The overarching theme of this document is to provide health care providers with guidance to reduce potentially avoidable opioid-related complications including opioid dependence (both physical and behavioral), disability, and death. Enhanced recovery programs attempt to incorporate best practices into pathways of care. By presenting the available evidence for perioperative management of patients on opioids, this consensus panel hopes to encourage further development of pathways specific to this high-risk group to mitigate the often unintentional iatrogenic and untoward effects of opioids and to improve perioperative outcomes.

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)0,080
score de la tête « metaresearch » (Gemma)0,119
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,423

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0800,119
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,007
Bibliométrie0,0050,004
Études des sciences et des technologies0,0030,002
Communication savante0,0060,003
Science ouverte0,0070,008
Intégrité de la recherche0,0070,013
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,095
Tête enseignante GPT0,366
Écart entre enseignants0,272 · 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

Citations114
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnesthesia & AnalgesiaMême sujetAnesthesia and Pain ManagementTravaux en français237 207