Preoperative management of patients with chronic moderate to severe shoulder pain to improve postoperative outcomes: A systematic review
Notice bibliographique
Résumé
OBJECTIVES: To assess if implementing interventions to effectively manage preoperative chronic moderate to severe shoulder pain in patients undergoing rotator cuff repair (RCR) can improve shoulder surgery outcomes. METHODS: A systematic review was conducted following the PRISMA and SIGN guidelines. Randomized clinical trials (RCTs), metanalysis, systematic revisions and cohort studies in Spanish/English, published within the last 10 years, evaluating interventions to control preoperative chronic moderate to severe shoulder pain in patients undergoing RCR and their impact in postoperative shoulder outcomes were included. Selected records were graded following the 2011 Oxford Centre for Evidence-Based Medicine levels of evidence (OCEBML). RCTs were graded using the PEDro scale. RESULTS: Twenty-nine records were included in the analysis. Evidence suggests that preoperative chronic moderate to severe shoulder pain is the strongest risk factor for postoperative shoulder pain (OCEBML III). Patient-related factors and shoulder pain characteristics can also influence surgery outcomes (OCEBML II/III). Predictors of better shoulder function at 2 years after surgery include higher preoperative scores on the Western Ontario Rotator Cuff index and the Constant-Murley score in the contralateral shoulder (OCEBML III). Preoperative analgesia to control shoulder pain can improve postoperative pain (OCEBML I). Preoperative patient teaching and intensive postoperative follow-up also improve pain intensity and function (OCEBML II). DISCUSSION: Preoperative chronic shoulder pain together with patient-related factors are significant predictors of postoperative shoulder outcomes, emphasizing the need for proactive pain assessment and tailored therapeutic programs.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| 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 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 ».