Cryoanalgesia for postsurgical pain relief in adults: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Despite advances in pain management, postoperative pain continues to be an important problem with significant burden. Many current therapies have dose-limiting adverse effects and are limited by their short duration of action. This review examines the evidence for the efficacy and safety of cryoanalgesia in postoperative pain. MATERIALS AND METHODS: This review was registered in PROSPERO and prepared in accordance with PRISMA. MEDLINE, EMBASE, and Cochrane databases were searched until July 2020. We included randomized controlled trials (RCTs) of adults evaluating perioperatively administered cryoanalgesia for postoperative pain relief. RESULTS: Twenty-four RCTS were included. Twenty studies examined cryoanalgesia for thoracotomy, two for herniorrhaphy, one for nephrectomy and one for tonsillectomy. Meta-analysis was performed for thoracic studies. We found that cryoanalgesia with opioids was more efficacious than opioid analgesia alone for acute pain (mean difference [MD] 2.32 units, 95 % confidence interval [CI] -3.35 to -1.30) and persistent pain (MD 0.81 units, 95 % CI -1.10 to -0.53) after thoracotomy. Cryoanalgesia with opioids also resulted in less postoperative nausea compared to opioid analgesia alone (relative risk [RR] 0.23, 95 % CI 0.06 to 0.95), but there was no difference in atelectasis (RR 0.38, 95 % CI 0.07 to 2.17). CONCLUSION: Heterogeneity in comparators and outcomes were important limitations. In general, reporting of adverse events was incomplete and inconsistent. Many studies were over two decades old, and most were limited in how they described their methodology. Considering the potential, larger RCTs should be performed to better understand the role of cryoanalgesia in postoperative pain management.
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 | 0,013 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,019 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».