Preoperative Predictors for Acute Pain After Photorefractive Keratectomy
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to identify preoperative predictors for the occurrence of early severe postoperative pain in patients undergoing photorefractive keratectomy (PRK). The implementation of preoperative screening methods may facilitate more specific or aggressive pain therapies specifically targeted to individuals at a high risk of experiencing severe postoperative pain. METHODS: This was exploratory research that included patients who underwent PRK. Before PRK, patients were administered a sociodemographic questionnaire, the Pain Catastrophizing Scale, and the State-Trait Anxiety Inventory and underwent corneal sensitivity and conditioned pain modulation (CPM) tests. Post-PRK pain was assessed using a pain intensity visual analog scale (VAS), and the short-form McGill Pain Questionnaire (SF-MPQ) was completed 21 days before PRK and 1, 24, 48, and 72 hours after PRK. Spearman correlations were calculated for pain scores and preoperative predictors. RESULTS: This research included 34 eyes of 34 patients. Preoperative corneal sensitivity was positively correlated with post-PRK pain scores as assessed by VAS and SF-MPQ (rho = 0.39 and rho = 0.41, respectively, P < 0.05). No correlations were found between Pain Catastrophizing Scale, State-Trait Anxiety Inventory, and CPM scores and post-PRK pain scores ( P > 0.05). CONCLUSIONS: Abnormal presurgical corneal sensitivity was a protective marker for severe pain after PRK, while scores as assessed by VAS and SF-MPQ and CPM were not related to postoperative pain.
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) | 0,002 | 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 ».