MétaCan
Menu
Retour à la cohorte
Enregistrement W3048426041 · doi:10.4097/kja.20436

Managing rebound pain after regional anesthesia

2020· review· en· W3048426041 sur OpenAlexaff
Felipe Muñoz-Leyva, Javier Cubillos, Ki Jinn Chin

Notice bibliographique

RevueKorean journal of anesthesiology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensWestern UniversityToronto Western HospitalLondon Health Sciences CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineAnesthesiaAnalgesicPerioperativeLocal anestheticAnestheticRegimenBlockadeSurgery

Résumé

récupéré en direct d'OpenAlex

Rebound pain after regional anesthesia can be defined as transient acute postoperative pain that ensues following resolution of sensory blockade, and is clinically significant, either with regard to the intensity of pain or the impact on psychological well-being, quality of recovery, and activities of daily living. Current evidence suggests that it represents an unmasking of the expected nociceptive response in the absence of adequate systemic analgesia, rather than an exaggerated hyperalgesic phenomenon induced by local anesthetic neural blockade. In the majority of patients, it does not appear to significantly impact cumulative postoperative opioid consumption, quality of recovery, or patient satisfaction, and is not associated with longer-term sequelae such as persistent post-surgical pain. Nevertheless, it must be considered whenever regional anesthesia is incorporated into perioperative management. Strategies to mitigate the impact of rebound pain include routine prescribing of a systemic multimodal analgesic regimen, as well as patient education on appropriate expectations regarding block offset and expected surgical pain, and timely initiation of analgesic medication. Prolonging the duration of action of regional anesthesia with continuous catheter techniques or local anesthetic adjuncts may also help alleviate rebound pain, although further research is required to confirm this.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,297
Écart entre enseignants0,258 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations130
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKorean journal of anesthesiologyMême sujetAnesthesia and Pain ManagementTravaux en français237 207