Upper-Extremity Nerve Decompression Under Local Anesthesia: A Systematic Review of Methods for Reduction of Postoperative Pain and Opioid Consumption
Notice bibliographique
Résumé
Background: Opioid abuse is a major health concern in North America. Data have shown an alarming increase in opioid-related deaths and complications, which has shed light on current prescription practices across many specialties, including hand surgery. To that end, we sought to conduct a focused literature review to determine the available modalities to decrease postoperative pain and opioid consumption following upper-extremity nerve decompression procedures, taking advantage of the homogeneity and inherent pain pathways of this specific patient cohort. Methods: A systematic review of the literature was conducted. Primary studies evaluating perioperative and intraoperative modalities for postoperative pain reduction and analgesic consumption following upper-extremity nerve decompression procedures under local anesthesia were included. Studies implementing modalities requiring non–hand surgeon expertise (ie, intravenous sedation), as well as studies that include non–nerve decompression procedures, were excluded. Results: A total of 1478 studies were identified, and 9 studies were included after full-text review. Six studies evaluated intraoperative and 3 studies evaluated preoperative and postoperative modalities. Successful interventions included buffered anesthetic, the use of hyaluronidase, and varying techniques and mixtures for anesthetic administration. No successful preoperative or postoperative modalities were identified. Conclusion: Despite data reporting on the dangers associated with current opioid prescription practices, evidence-based modalities to decrease postoperative pain and opioid consumption are limited in general. Several intraoperative modalities do exist, and nonopioid oral analgesics, standardized opioid protocols, and reduced postoperative prescriptions can be used. Large randomized controlled trials evaluating perioperative modalities for pain reduction are needed to further address this issue.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».