2022 ISFM Consensus Guidelines on the Management of Acute Pain in Cats
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PRACTICAL RELEVANCE: Increases in cat ownership worldwide mean more cats are requiring veterinary care. Illness, trauma and surgery can result in acute pain, and effective management of pain is required for optimal feline welfare (ie, physical health and mental wellbeing). Validated pain assessment tools are available and pain management plans for the individual patient should incorporate pharmacological and non-pharmacological therapy. Preventive and multimodal analgesia, including local anaesthesia, are important principles of pain management, and the choice of analgesic drugs should take into account the type, severity and duration of pain, presence of comorbidities and avoidance of adverse effects. Nursing care, environmental modifications and cat friendly handling are likewise pivotal to the pain management plan, as is a team approach, involving the cat carer. CLINICAL CHALLENGES: Pain has traditionally been under-recognised in cats. Pain assessment tools are not widely implemented, and signs of pain in this species may be subtle. The unique challenges of feline metabolism and comorbidities may lead to undertreatment of pain and the development of peripheral and central sensitisation. Lack of availability or experience with various analgesic drugs may compromise effective pain management. EVIDENCE BASE: These Guidelines have been created by a panel of experts and the International Society of Feline Medicine (ISFM) based on the available literature and the authors' experience. They are aimed at general practitioners to assist in the assessment, prevention and management of acute pain in feline patients, and to provide a practical guide to selection and dosing of effective analgesic agents.
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.
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 | 0,004 | 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 découle