Predicting poor postoperative pain control after elective spine surgery
Notice bibliographique
Résumé
Background: Inadequate postoperative pain control after spine surgery is common and can lead to patient dissatisfaction and poor outcomes. Predictors for poorly controlled pain after spine surgery are unknown and preoperative prognostic tools are not available to aid in the identification of high-risk patients to help facilitate the development of personalized treatments. In this thesis, we performed (1) a systematic review on the predictors associated with poor pain control in surgical patients; (2) performed a retrospective cohort study evaluating predictors of poor postoperative pain control following spine surgery; and (3) developed and validated a clinical prediction score to identify patients at high-risk for developing poor pain control. Methods: (1) A random-effects model was used to meta-analyze the predictors for poor pain control after surgery in the systematic review. (2) Adults from the Canadian Spine Outcomes and Research Network registry who underwent elective cervical or thoracolumbar surgery were included. Preoperative predictors for poor pain control (mean numeric rating scale for pain>4 at rest during the first 24 hours after surgery) were identified using a multivariable logistic regression model. (3) The prediction score was developed and internally validated using a 70:30 split-sample method. Results: (1) Thirty-three studies representing 53,362 patients were included in the systematic review. Nine significant predictors for poor postoperative pain control were identified across surgical disciplines. (2) The retrospective cohort study included 1,300 patients, of which 56.7% had poor pain control after surgery. The multivariable model identified that younger age, female sex, preoperative daily opioid use, higher preoperative neck/back pain, higher depression scores on patient health questionnaire-9, ≥3 motion segment surgery, and fusion surgery were associated with poor pain control. (3) Patients identified as low-, high-, and extreme-risk by the score had 32.0%, 63.0%, and 85.0% probability of developing poor pain control, respectively. Conclusion: Seven significant predictors for poorly controlled pain after spine surgery were identified and incorporated into a prediction score. The score can discriminate patients at higher risk for, and accurately predict the probability of, developing poor pain control after surgery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».