MétaCan
Menu
Retour à la cohorte
Enregistrement W3029256696 · doi:10.3760/cma.j.issn.1674-2907.2017.27.012

Analysis of ralated factors of chronic post surgical pain of video assisted thoracic surgery

2017· article· en· W3029256696 sur OpenAlexaboutno aff
Qingzhen Xu, Guiqi Song, Jing He, Mingran Xie

Notice bibliographique

RevueZhonghua xiandai huli zazhi · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)Visual analogue scaleSurgeryPostoperative painCardiothoracic surgeryElective surgeryAnesthesia

Résumé

récupéré en direct d'OpenAlex

Objective To explore the incidence of chronic postsurgical pain (CPSP) of video assisted thoracic surgery (VATS) and its influencing factors. Methods Totally 216 patients who received elective VATS in a class Ⅲ grade A hospital between January and June 2016 were selected by convenience sampling. Their pain level was assessed with Visual Analogue Scale (VAS) in 1 to 3 days after surgery. The patients were then investigated with Simplified McGill Pain Questionnaire (SF-MPQ) in 1 to 3 months after surgery, with the features of CPSP analyzed and 11 related risk factors statistically analyzed. Results The incidence of CPSP in 3 months after surgery in the 199 patients who received follow-up visits was 49.20%, of which 18.37% suffered moderate pain, and 32.65% felt constant pain. Age (OR=2.16) and pain level in 1-3 days after surgery (OR=2.25) were independent risk factors to CPSP (P<0.05) . Conclusions CPSP occurred in a certain proportion of patients who received VATS. Actively and effectively controlling acute post surgical pain in especially young patients may help to reduce the incidenc of CPSP. Key words: Pain, postsurgerical; Thoracic surgery; Thoracoscope; Risk factors

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,333
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhonghua xiandai huli zazhiMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207