Perioperative Gabapentin Use and In-Hospital Adverse Clinical Events Among Older Adults After Major Surgery
Notice bibliographique
Résumé
Importance: Gabapentin has been increasingly used as part of a multimodal analgesia regimen to reduce opioid use in perioperative pain management. However, the safety of perioperative gabapentin use among older patients remains uncertain. Objective: To examine in-hospital adverse clinical events associated with perioperative gabapentin use among older patients undergoing major surgery. Design, Setting, and Participants: This retrospective cohort study using data from the Premier Healthcare Database included patients aged 65 years or older who underwent major surgery at US hospitals within 7 days of hospital admission from January 1, 2009, to March 31, 2018, and did not use gabapentin before surgery. Data were analyzed from June 14, 2021, to May 23, 2022. Exposures: Gabapentin use within 2 days after surgery. Main Outcomes and Measures: The primary outcome was delirium, identified using diagnosis codes, and secondary outcomes were new antipsychotic use, pneumonia, and in-hospital death between postoperative day 3 and hospital discharge. To reduce confounding, 1:1 propensity score matching was performed. Risk ratios (RRs) and risk differences (RDs) with 95% CIs were estimated. Results: Among 967 547 patients before propensity score matching (mean [SD] age, 76.2 [7.4] years; 59.6% female), the rate of perioperative gabapentin use was 12.3% (119 087 patients). After propensity score matching, 237 872 (118 936 pairs) gabapentin users and nonusers (mean [SD] age, 74.5 [6.7] years; 62.7% female) were identified. Compared with nonusers, gabapentin users had increased risk of delirium (4040 [3.4%] vs 3148 [2.6%]; RR, 1.28 [95% CI, 1.23-1.34]; RD, 0.75 [95% CI, 0.75 [0.61-0.89] per 100 persons), new antipsychotic use (944 [0.8%] vs 805 [0.7%]; RR, 1.17 [95% CI, 1.07-1.29]; RD, 0.12 [95% CI, 0.05-0.19] per 100 persons), and pneumonia (1521 [1.3%] vs 1368 [1.2%]; RR, 1.11 [95% CI, 1.03-1.20]; RD, 0.13 [95% CI, 0.04-0.22] per 100 persons), but there was no difference in in-hospital death (362 [0.3%] vs 354 [0.2%]; RR, 1.02 [95% CI, 0.88-1.18]; RD, 0.00 [95% CI, -0.04 to 0.05] per 100 persons). Risk of delirium among gabapentin users was greater in subgroups with high comorbidity burden than in those with low comorbidity burden (combined comorbidity index <4 vs ≥4: RR, 1.20 [95% CI, 1.13-1.27] vs 1.40 [95% CI, 1.30-1.51]; RD, 0.41 [95% CI, 0.28-0.53] vs 2.66 [95% CI, 2.08-3.24] per 100 persons) and chronic kidney disease (absence vs presence: RR, 1.26 [95% CI, 1.19-1.33] vs 1.38 [95% CI, 1.27-1.49]; RD, 0.56 [95% CI, 0.42-0.69] vs 1.97 [95% CI, 1.49-2.46] per 100 persons). Conclusion and Relevance: In this cohort study, perioperative gabapentin use was associated with increased risk of delirium, new antipsychotic use, and pneumonia among older patients after major surgery. These results suggest careful risk-benefit assessment before prescribing gabapentin for perioperative 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».