Regenerative Peripheral Nerve Interface Surgery to Treat Chronic Postamputation Pain: A Prospective Study in Major Lower Limb Amputation Patients
Notice bibliographique
Résumé
Objective: The objective was to assess the postsurgical outcomes of regenerative peripheral nerve interface (RPNI) surgery in a prospective cohort of major lower extremity amputation patients with chronic postamputation pain. Background: Chronic pain in lower limb amputation patients is commonly the result of neuroma formation after traumatic peripheral nerve injury. By implanting more proximal transected nerve ends into autologous free muscle grafts, RPNI surgery can treat postamputation pain by diminishing the development of neuromas. RPNI surgery in prior retrospective studies has been shown to mitigate postamputation pain. Methods: Twenty-two lower limb amputation patients with established chronic postamputation pain were recruited from 2 studies in this prospective study. All patients underwent RPNI surgery to treat identified symptomatic neuromas within the residual limb. Patient-reported outcome instruments were administered preoperatively and postoperatively at 1 week, 4 months, and 12 months to examine residual limb pain (McGill Pain Questionnaire, PROMIS Pain Intensity, and PROMIS Pain Interference), phantom limb pain (modified PROMIS Pain Intensity and Phantom Limb sensation questionnaire), psychosocial status (PHQ-9, GAD-7, and PCS), and functional (OPUS) outcomes. Results: RPNI surgery significantly improved residual limb pain. While phantom limb sensation improved significantly, phantom limb pain demonstrated a modest decrease. Psychosocial outcomes also improved significantly after RPNI surgery. Prosthetic use slightly increased, and patients did not experience loss of function. Conclusions: RPNI surgery leverages the processes of reinnervation to successfully treat residual limb pain and improve psychosocial outcomes in patients with chronic postamputation pain. Phantom limb pain may be more difficult to treat in chronic pain patients who have central sensitization at the time of surgery.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».