Prevention and Management of Chronic Postsurgical Pain and Persistent Opioid Use Following Solid Organ Transplantation: Experiences From the Toronto General Hospital Transitional Pain Service
Notice bibliographique
Résumé
BACKGROUND: With >700 transplant surgeries performed each year, Toronto General Hospital (TGH) is currently one of the largest adult transplant centers in North America. There is a lack of literature regarding both the identification and management of chronic postsurgical pain (CPSP) after organ transplantation. Since 2014, the TGH Transitional Pain Service (TPS) has helped manage patients who developed CPSP after solid organ transplantation (SOT), including heart, lung, liver, and renal transplants. METHODS: In this retrospective cohort study, we describe the association between opioid consumption, psychological characteristics of pain, and demographic characteristics of 140 SOT patients who participated in the multidisciplinary treatment at the TGH TPS, incorporating psychology and physiotherapy as key parts of our multimodal pain management regimen. RESULTS: Treatment by the multidisciplinary TPS team was associated with significant improvement in pain severity and a reduction in opioid consumption. CONCLUSIONS: Given the risk of CPSP after SOT, robust follow-up and management by a multidisciplinary team should be considered to prevent CPSP, help guide opioid weaning, and provide psychological support to these patients to improve their recovery trajectory and quality of life postoperatively.
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 | 0,000 | 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 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 ».