Prevalence of postoperative pain after hospital discharge: systematic review and meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Assessment and management of postoperative pain after hospital discharge is very challenging. We conducted a systematic review to synthesize available evidence on the prevalence of moderate-to-severe postoperative pain within the first 1 to 14 days after hospital discharge. The previously published protocol for this review was registered in PROSPERO. MEDLINE and EMBASE databases were searched until November 2020. We included observational postsurgical pain studies in the posthospital discharge setting. The primary outcome for the review was the proportion of study participants with moderate-to-severe postoperative pain (eg, pain score of 4 or more on a 10-point Numerical Rating Scale) within the first 1 to 14 days after hospital discharge. This review included 27 eligible studies involving a total of 22,108 participants having undergone a wide variety of surgical procedures. The 27 studies included ambulatory surgeries (n = 19), inpatient surgeries (n = 1), both ambulatory and inpatient surgeries (n = 4), or was not specified (n = 3). Meta-analyses of combinable studies provided estimates of pooled prevalence rates of moderate-to-severe postoperative pain ranging from 31% 1 day after discharge to 58% 1 to 2 weeks after discharge. These findings suggest that moderate-to-severe postoperative pain is a common occurrence after hospital discharge and highlight the importance of future efforts to more effectively evaluate, prevent, and treat postsurgical pain in patients discharged from the hospital.
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.
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 | 0,016 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,003 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle