High and Low Frequency TENS Reduce Postoperative Pain Intensity After Laparoscopic Tubal Ligation A Randomized Controlled Trial
Notice bibliographique
Résumé
Background: Transcutaneous electrical nerve stimulation (TENS) is an effective adjunctive therapy for postoperative pain; however, effects of different frequencies Of stimulation have not been systematically investigated. Laparoscopic sterilization (LS) causes significant pain in the early postoperative period and requires substantial postoperative medication. Therefore, we studied the effects of TENS on postoperative pain after LS through placement of Yoon fallopian rings in a prospective, randomized, double-blinded, and placebo-controlled study. Methods: Sixty-four patients undergoing LS for uterine tube ligation were randomly allocated to receive either active TENS or placebo TENS. Postoperative pain was evaluated using a standard I I-point numeric rating scale and the McGill Pain Questionnaire (MPQ)-pain rating index and number of words chosen. Both high frequency (100 Hz) and low frequency (4 Hz) TENS, at strong, but comfortable sensory intensity, were applied for 20 minutes through 4 electrodes placed around the surgical incision immediately after Surgery. Pain was assessed before and after application of TENS when patients were at postanesthesia care unit (PACU). Results: Both high and low frequency TENS significantly decreased postoperative pain intensity when compared with before administration of TENS using the numeric rating scale (P = 0.001), pain rating index (P = 0.001), and number of words chosen (P 0.001) compared with placebo TENS (P = 0.001). TENS in combination with standard pharmacologic analgesic treatment was efficacious for postoperative pain relief after LS. Conclusions: We recommend regular use of multimodal therapy with TENS and analgesic drugs after LS with placement of Yoon rings.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,003 |
| 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 ».