Chronic Postoperative Opioid Use: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There are a number of studies in the literature that describe the prevalence, causes, and factors associated with chronic postoperative opioid use, but there is a lack of synthesis of the literature to guide clinicians in optimally managing postoperative pain while avoiding opioid dependence. Thus, the goal of this study was to perform a systematic review of the literature to investigate the prevalence of chronic postoperative opioid use and the associated risk factors. MATERIALS AND METHODS: A systematic search was performed using Ovid Medline and Embase according to PRISMA guidelines. Data were collected on the following outcomes of interest: prevalence of opioid use at 3, 6, and 12 months postoperatively, and risk factors associated with chronic postoperative opioid use. RESULTS: Forty-three articles were included in the final analysis. The mean prevalence of chronic postoperative opioid use in all populations at 3, 6, and 12 months postoperatively was 30.5%, 25.6%, and 25.2%, respectively. The prevalence of patients who developed chronic opioid use at 3, 6, and 12 months postoperatively was 10.4%, 8.5%, and 9.8%, respectively. Forty of the articles analyzed risk factors associated with chronic postoperative opioid use. The most common associated risk factor identified was preoperative opioid use with 27 articles demonstrating a significant association with chronic postoperative opioid use. DISCUSSION: The current opioid crisis is in part secondary to the prevalence of chronic opioid use following surgery. This study identified associated risk factors with chronic postoperative opioid use, which may help identify patients at risk for developing chronic postoperative opioid use.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle