MétaCan
Menu
Retour à la cohorte
Enregistrement W4390105547 · doi:10.1177/23259671231214700

Arthroscopy Association of Canada Position Statement on Opioid Prescription After Arthroscopic Surgery

2023· article· en· W4390105547 sur OpenAlexaffabout
Nicholas Nucci, Ryan M. Degen, Seper Ekhtiari, Aaron Gazendam, Olufemi R. Ayeni, Nolan S. Horner, Ivan Wong, Jarret M. Woodmass, John A. Grant, Brendan Sheehan, Michael Pickell, Michaela Kopka, Ryan Martin, Allison Tucker, Mark Sommerfeldt, Eva M. Gusnowski, Alexis Rousseau-Saine, Marie‐Eve LeBel, Jillian Karpyshyn, Bogdan A. Matache, Michael Carroll, Rachael Da Cunha, Adam Kwapisz, R. Kyle Martin, Moin Khan

Notice bibliographique

RevueOrthopaedic Journal of Sports Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensQueen's UniversityUniversité LavalUniversité de MontréalUniversity of AlbertaBanff CentreNova Scotia Health AuthorityUniversity of CalgarySaint John Regional HospitalUniversity of ManitobaWestern UniversityMcMaster UniversityDalhousie UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineAcetaminophenAnalgesicRandomized controlled trialOpioidMEDLINECryotherapyArthroscopyChronic painAnesthesiaGabapentinMedical prescriptionEvidence-based medicinePhysical therapySurgeryInternal medicineAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Background: Despite the ongoing opioid epidemic, most patients are still prescribed a significant number of opioid medications for pain management after arthroscopic surgery. There is a need for consensus among orthopaedic surgeons and solutions to aid providers in analgesic strategies that reduce the use of opioid pain medications. Purpose: This position statement was developed with a comprehensive systematic review and meta-analysis of exclusively randomized controlled trials (RCTs) to synthesize the best available evidence for managing acute postoperative pain after arthroscopic surgery. Study Design: Position statement. Methods: , and associated variations. We included exclusively RCTs on adult patients to gather the best available evidence for managing acute postoperative pain after arthroscopic surgery. Patient characteristics, pain, and opioid data were extracted, data were analyzed, and trial bias was evaluated. Results: A total of 21 RCTs were identified related to the prescription of opioid-sparing pain medication after arthroscopic surgery. The following recommendations regarding noninvasive, postoperative pain management strategies were made: (1) multimodal oral nonopioid analgesic regimens-including at least 1 of acetaminophen-a nonsteroidal anti-inflammatory drug-can significantly reduce opioid consumption with no change in pain scores; (2) cryotherapy is likely to help with pain management, although the evidence on the optimal method of application (continuous-flow vs ice pack application) is unclear; (3) and (4) limited RCT evidence supports the efficacy of transcutaneous electrical nerve stimulation and relaxation exercises in reducing opioid consumption after arthroscopy; and (5) limited RCT evidence exists against the efficacy of transdermal lidocaine patches in reducing opioid consumption. Conclusion: A range of nonopioid strategies exist that can reduce postarthroscopic procedural opioid consumption with equivalent vocal pain outcomes. Optimal strategies include multimodal analgesia with education and restricted/reduced opioid prescription.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,044
score de la tête « metaresearch » (Gemma)0,116
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil0,796

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,116
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0080,011
Études des sciences et des technologies0,0060,004
Communication savante0,0060,003
Science ouverte0,0080,004
Intégrité de la recherche0,0170,012
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,242
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOrthopaedic Journal of Sports MedicineMême sujetAnesthesia and Pain ManagementTravaux en français237 207