Pharmacological strategies in multimodal analgesia for adults scheduled for ambulatory surgery
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The present review aims to propose pharmacological strategies to enhance current clinical practices for analgesia in ambulatory surgical settings and in the context of the opioid epidemic. RECENT FINDINGS: Each year, a high volume of patients undergoes ambulatory surgery worldwide. The multimodal analgesia proposed to ambulatory patients must provide the best analgesic effect and patient satisfaction while respecting the rules of safety for ambulatory surgery. The role of nurses, anesthesiologists, and surgeons around said surgery is to relieve suffering, achieve early mobilization and patient satisfaction, and reduce duration of stay in hospital. Currently, and particularly in North America, overprescription of opioids has reached a critical level constituting a 'crisis'. Thus, we see the need to offer more optimal multimodal analgesia strategies to ambulatory patients. SUMMARY: These strategies must combine three key components when not contraindicated: regional/local analgesia, acetaminophen, and nonsteroidal anti-inflammatory drugs (NSAIDs). Adjuvants such as gabapentinoids, N-methyl-D-aspartate receptor modulators, glucocorticoids, α2-adrenergic receptor agonists, intravenous lidocaine might be added to the initial multimodal strategy, however, caution must be used regarding their side effects and risks of delaying recovery after ambulatory surgery. Weaker opioids (e.g. oxycodone, hydrocodone, tramadol) could be used rather than more powerful ones (e.g. morphine, hydromorphone, inhaled fentanyl, sufentanil). This, combined with education about postoperative weaning of opioids after surgery must be done in order to avoid long-term reliance of these drugs.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».