The intersection of harm reduction and postoperative care for an illicit fentanyl consumer after major surgery: A case report
Notice bibliographique
Résumé
Background As Canada continues to address challenges related to the opioid crisis, individuals suffering from opioid use disorder (OUD) can be especially vulnerable to physical and psychological destabilization after surgery. Adopting a harm reduction approach postoperatively can be a success factor for safe recovery and satisfactory analgesia.Purpose We present the case of a 40-year-old patient (referred to as DC) with OUD using illicit fentanyl, heroin, and oxycodone preoperatively and admitted for an elective liver resection for steroid-induced hepatoma. Despite a preoperative anesthesia assessment and the initiation of a standard balanced multimodal analgesic regimen, suboptimal analgesia was evident in the first 24 h postoperatively. This lack of analgesic efficacy precipitated DC’s use of illicit self-injected intravenous (IV) opioid and significant emotional distress. To address this, a nurse practitioner and anesthesiologist within the Toronto General Hospital acute and transitional pain program and the surgical team quickly met and adopted a harm reduction approach to manage DC’s postoperative pain and emotional distress. The ultimate goal was to eliminate self-administration of illicit IV opioids and prevent DC from attempting to leave hospital against medical advice. Following an interprofessional team discussion that included DC, IV fentanyl was offered via a patient-controlled analgesia pump to DC’s satisfaction (exceeding standard settings), providing acceptable pain relief. To our knowledge, DC did not self-administer additional illicit drugs during the remainder of hospitalization.Outcome This harm reduction approach resulted in DC’s safe recovery, achievement of postoperative functional milestones, and continued engagement with outpatient pain treatment.
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 | 0,000 |
| 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 ».