Narcotic Prescriptions following Knee and Shoulder Arthroscopy: A Survey of the Arthroscopy Association of Canada
Notice bibliographique
Résumé
Purpose Canada has the second-highest opioid use in the world. Despite knee and shoulder arthroscopy being among the most commonly performed orthopaedic procedures, there exists little guidelines for pain management. Methods A survey was developed and distributed to members of the Arthroscopy Association of Canada. The objectives were: to understand opioid prescribing patterns after knee and shoulder arthroscopy, to determine if surgeons believe opioid over-prescription is an issue and to identify other pain management strategies surgeons are regularly using. Results A total of 38 responses were included (38.3%). Eighty-two percent of surgeons felt opioid over-prescription was an issue in arthroscopic surgery. The average post-operative knee or shoulder arthroscopy prescription included a total of 156 +/- 84.4 (0-400) mg of oral morphine equivalents (OMEs). Less than one-third of respondents (29%) had received formal peri-operative pain management training. Fifty-five percent of respondents felt that non-opioid medications do not provide adequate pain relief after arthroscopic surgery. Nearly all respondents (95%) stated they would change their prescription practice if high-quality evidence were to suggest that they should do so. Conclusions The majority of respondents identified opioid over-prescription as a problem after arthroscopic surgery. Surgeons are prescribing five times the amount of OMEs to patients that previous literature suggests the median patient uses after arthroscopic knee surgery. Surgeons generally state they would reduce or eliminate opioid prescriptions to arthroscopy patients if high-level evidence were to emerge suggesting that adequate pain control could be achieved without the use of narcotics.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».