Reduction of opioid use after orthopedic surgery: a scoping review
Notice bibliographique
Résumé
BACKGROUND: The opioid epidemic is one of the biggest public health crises of our time, and overprescribing of opioids after surgery has the potential to lead to long-term use. The purpose of this review was to identify and summarize the available evidence on interventions aimed at reducing opioid use after orthopedic surgery. METHODS: We searched CENTRAL, Embase and Medline from inception until August 2019 for studies comparing interventions aimed at reducing opioid use after orthopedic surgery to a control group. We recorded demographic data and data on intervention success, and recorded or calculated percent opioid reduction compared to control. RESULTS: We included 141 studies (20 963 patients) in the review, of which 113 (80.1%) were randomized controlled trials (RCTs), 6 (4.3%) were prospective cohort studies, 16 (11.4%) were retrospective cohort studies, 5 (3.6%) were case reports, and 1 (0.7%) was a case series. The majority of studies (95 [67.4%]) had a follow-up duration of 2 days or less. Interventions included the use of local anesthetics and/or nerve blocks (42 studies [29.8%]), nonsteroidal anti-inflammatory drugs (31 [22.0%]), neuropathic pain medications (9 [6.4%]) and multimodal analgesic combinations (25 [17.7%]. In 127 studies (90.1%), a significant decrease in postoperative opioid consumption compared to the control intervention was reported; the median opioid reduction in these studies was 39.7% (range 5%-100%). Despite these reductions in opioid use, the effect on pain scores and on incidence of adverse effects was inconsistent. CONCLUSION: There is a large body of evidence from randomized trials showing the promise of a variety of interventions for reducing opioid use after orthopedic surgery. Rigorously designed RCTs are needed to determine the ideal interventions or combination of interventions for reducing opioid use, for the good of patients, medicine and society.
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 | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».