Opioid-Associated Postoperative Nausea and Vomiting in Women Undergoing Laparoscopic Hysterectomy: A Network Meta-Analysis
Notice bibliographique
Résumé
Background and Objectives: This systematic review and network meta-analysis evaluated the effects of postoperative opioid use on nausea and vomiting in women undergoing laparoscopic hysterectomy. Materials and Methods: A systematic search of PubMed, EMBASE, the Cochrane Library, and RISS was conducted to identify randomized controlled trials that met the eligibility criteria. The Cochrane Risk of Bias 2 tool was used to assess the quality of the included studies. A frequentist network meta-analysis was performed to compare the risks of opioid-associated postoperative nausea and vomiting (O-PONV). Quantitative statistics were presented in forest plots, and the ranking of treatments was determined using the P-score. Results: Seventeen studies involving 1315 participants and 18 postoperative analgesic interventions were included. No significant differences were found among the opioid monotherapies—buprenorphine, butorphanol, fentanyl, oxycodone, sufentanil, and tapentadol. However, among the combination therapies, oxycodone/ketorolac therapy was associated with a significantly higher risk of O-PONV than other ketorolac-containing regimens, including dexmedetomidine, remifentanil, and fentanyl. Conclusions: No significant differences in O-PONV risk were observed among the six opioid monotherapy groups. An opioid-sparing regimen, such as dexmedetomidine/ketorolac, showed a lower risk of O-PONV than an oxycodone-based regimen, underscoring the importance of incorporating patient-centered considerations, such as patient preference and route of administration, into postoperative pain management.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 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 | 0,001 |
| 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 ».