Psychological interventions to reduce postoperative pain and opioid consumption: a narrative review of literature
Notice bibliographique
Résumé
BACKGROUND: Evidence suggests that over half of patients undergoing surgical procedures suffer from poorly controlled postoperative pain. In the context of an opioid epidemic, novel strategies for ameliorating postoperative pain and reducing opioid consumption are essential. Psychological interventions defined as strategies targeted towards reducing stress, anxiety, negative emotions and depression via education, therapy, behavioral modification and relaxation techniques are an emerging approach towards these endpoints. OBJECTIVE: This review explores the efficacy of psychological interventions for reducing postoperative pain and opioid use in the acute postoperative period. EVIDENCE REVIEW: An extensive literature search was conducted in MEDLINE, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, Medline In-Process/ePubs, Embase, Ovid Emcare Nursing, and PsycINFO, Web of Science (Clarivate), PubMed-NOT-Medline (NLM), CINAHL and ERIC, and two trials registries, ClinicalTrials.Gov (NIH) and WHO ICTRP. Included studies were limited to those investigating adult human subjects, and those published in English. FINDINGS: Three distinct forms of psychological interventions were identified: relaxation, psychoeducation and behavioral modification therapy. Study results showed a reduction in both postoperative opioid use and pain scores (n=5), reduction in postoperative opioid use (n=3), reduction in postoperative pain (n=5), no significant reduction in pain or opioid use (n=7), increase in postoperative opioid use (n=1) and an increase in postoperative pain (n=1). CONCLUSION: Some preoperative psychological interventions can reduce pain scores and opioid consumption in the acute postoperative period; however, there is a clear need to strengthen the evidence for these interventions. The optimal technique, strategies, timing and interface requires further investigation.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».