Cryoanalgesia in Lung Transplantation – A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background: Lung transplantation is a crucial treatment for end-stage lung diseases. However, postoperative pain management remains a significant challenge. Therefore, this study aims to examine the implications of adoption cryoanalgesia on lung transplantation pain control protocol. Methods: Three databases were searched for studies comparing cryoanalgesia versus standard of care analgesia in patients after lung transplantation. The primary outcome was opioid consumption throughout the entire hospitalization, at postoperative day (POD) 7 and at POD 14 addressed with Morphine Milligram Equivalents (MME). The secondary outcomes were maximum reported pain score at POD 7, hospital length of stay (LOS) and time until extubation. Mean differences (MDs) with 95% confidence intervals (CIs) were calculated for continuous outcomes. Results: A total of 5 studies encompassing 485 patients undergoing lung transplantation were included, of whom 228 underwent cryoanalgesia. Compared to standard of care, cryoanalgesia demonstrated significant reduction in opioid consumption at POD 7 (MD: -96.79 MME, 95% CI -183.40 to -10.18, p=0.03), at POD 14 (MD -225,26 MME; 95% CI -366.58 to -83.94; p<0.01) and throughout the entire hospitalization (MD: -307.76 MME, 95% CI -461.72 to -153.79, p<0.01). In addition, there was a significant reduction in pain scores in the cryoanalgesia group (MD: -1.10 points, 95% CI -1.77 to -0.43, p<0.01). However, no significant differences were found regarding hospital LOS or time until extubation. Conclusions: This meta-analysis indicates that cryoanalgesia effectively reduces opioid requirements and pain levels in lung transplant patients.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».