Development and Validation of a Clinical Prediction Score for Poor Postoperative Pain Control Following Elective Spine Surgery
Notice bibliographique
Résumé
INTRODUCTION: Approximately, 30% to 64% of people suffer from poorly controlled pain following spine surgery leading to patient dissatisfaction and poor outcomes. The ability to identify these patients before surgery may be useful to facilitate patient education and the development of personalized clinical-care pathways to improve postoperative pain management. METHODS: Adult patients were consecutively enrolled through the Canadian Spine Outcomes and Research Network registry and were included if they underwent inpatient elective cervical or thoracolumbar spine surgery. The outcome was poor postoperative pain control defined as the mean numeric rating scale for pain >4 in the first 24-h after surgery. A split-sample design was used to develop and validate the prediction model. The prediction model was transformed into a risk-based score and simplified to a 3-tier Calgary Postoperative Pain after Spine Surgery (CAPPS) score to maximize clinical utility. RESULTS: Of 1300 patients, 57% had poorly controlled pain following spine surgery. Seven significant predictors were associated with poor pain control: younger age, female sex, preoperative daily opioid medication use, higher preoperative neck or back pain intensity, higher PHQ-9 depression score, > = 3 motion segment operation, and fusion surgery. Notably, chronic pain and minimally invasive surgery were not associated with pain control status. The model was discriminative (c-statistics 0.74 [95% CI = 0.71-0.77]) and accurate (Hosmer-Lemeshow goodness-of-fit, P = .99) at predicting the outcome. Patients classified to low-, high-, and extreme-risk groups by the CAPPS score had 32%, 63%, and 85% predicted probability of developing poor postoperative pain control, respectively. This closely mirrored the observed probability of 37%, 62%, and 81% in the same risk-groups for poor pain control in the validation cohort. CONCLUSION: This internally validated CAPPS score based on 7 easily acquired characteristics accurately predicted the probability of developing poor pain control after spine surgery. This score can be used to develop personalized preoperative and perioperative treatment strategies to improve pain 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 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 | 0,002 |
| 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 ».