<scp>Postoperative</scp> opioid use following head and neck endocrine surgery: A <scp>multi‐center</scp> prospective study
Notice bibliographique
Résumé
Abstract Background Opioid abuse is widespread in North America and the over‐prescription of opioids are a contributing factor. The goal of this prospective study was to quantify over‐prescription rates, evaluate postoperative experiences of pain, and understand the impact of peri‐operative factors such as adequate pain counseling and use of non‐opioid analgesia. Methods Consecutive recruitment of patients undergoing head and neck endocrine surgery was undertaken from January 1st 2020 to December 31st 2021 at four Canadian hospitals in Ontario and Nova Scotia. Postoperative tracking of pain levels and analgesic requirements were employed. Chart review and preoperative and postoperative surveys provided information on counseling, use of local anesthesia, and disposal plans. Results A total of 125 adult patients were included in the final analysis. Total thyroidectomy was the most common procedure (40.8%). Median use of opioid tablets was 2 (IQR 0–4), with 79.5% of prescribed tablets unused. Patients who reported inadequate counseling ( n = 35, 28.0%) were more likely to use opioids (57.2% vs. 37.8%, p < .05) and less likely to use non‐opioid analgesia in the early postoperative course (42.9% vs. 63.3%, p < .05). Patients who received local anesthesia peri‐operatively (46.4%, n = 58) reported less severe pain on average [2.86 (2.13) vs. 4.86 (2.19), p < .05] and used less analgesia on postoperative day one [0 MME (IQR 0–4) vs. 4 MME (IQR 0–8), p < .05]. Conclusion Over‐prescription of opioid analgesia following head and neck endocrine surgery is common. Patient counseling, use of non‐opioid analgesia, and peri‐operative local anesthesia were important factors in narcotic use reduction. Level of evidence Level 3.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».