Measuring “pain load” during general anesthesia
Notice bibliographique
Résumé
Introduction: Functional near-infrared spectroscopy (fNIRS) allows for ongoing measures of brain functions during surgery. The ability to evaluate cumulative effects of painful/nociceptive events under general anesthesia remains a challenge. Through observing signal differences and setting boundaries for when observed events are known to produce pain/nociception, a program can trigger when the concentration of oxygenated hemoglobin goes beyond ±0.3 mM from 25 s after standardization. Method: fNIRS signals were retrieved from patients undergoing knee surgery for anterior cruciate ligament repair under general anesthesia. Continuous fNIRS measures were measured from the primary somatosensory cortex (S1), which is known to be involved in evaluation of nociception, and the medial polar frontal cortex (mPFC), which are both involved in higher cortical functions (viz. cognition and emotion). Results: A ±0.3 mM threshold for painful/nociceptive events was observed during surgical incisions at least twice, forming a basis for a potential near-real-time recording of pain/nociceptive events. Evidence through observed true positives in S1 and true negatives in mPFC are linked through statistically significant correlations and this threshold. Conclusion: Our results show that standardizing and observing concentrations over 25 s using the ±0.3 mM threshold can be an arbiter of the continuous number of incisions performed on a patient, contributing to a potential intraoperative pain load index that correlates with post-operative levels of pain and potential pain chronification.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».