Postoperative Respiratory Depression Associated with Pregabalin: A Case Series and a Preoperative Decision Algorithm
Notice bibliographique
Résumé
Pregabalin is gaining popularity in the perioperative period for its usefulness in treating neuropathic pain and its apparent opioid- sparing effect. The present report describes the perioperative course of three patients who received pregabalin and experienced significant respiratory depression in the postoperative period. All three patients consented to the report and publication of the present case series. The first patient was elderly with borderline renal dysfunction. She experienced respiratory arrest in the immediate postoperative period following a craniotomy for tumour excision. The second patient presented with severe respiratory depression 12 h after receiving a spinal anesthetic for joint replacement, and was later found to have clinically significant obstructive sleep apnea. The third patient, who was an otherwise healthy elderly individual on benzodiazepines for anxiety, experienced respiratory arrest in the postanesthesia care unit after an uneventful anesthesia for lumbar spine decompression. All of these patients were treated successfully with standard resuscitation measures. Although other causes of respiratory depression in these patients were considered, there appears to be an association between pregabalin and this complication. The present article briefly reviews the evidence regarding the perioperative use of pregabalin. Based on the authors' experience and the available evidence, they believe that pregabalin may be useful in the management of acute pain in carefully selected patients undergoing certain surgeries. A clinical algorithm has been developed to guide the perioperative use of pregabalin. This algorithm may be helpful in increasing the safety of perioperative pregabalin use.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».