在麻醉后护理单位预测急性术后疼痛:风险工具开发和内部验证
Nicholas Papadomanolakis-Pakis1,2, Simon Haroutounian3, Johan K Sørensen1
1Department of Clinical Medicine, Aarhus University, Aarhus, Denmark.
Pain reports
|September 8, 2025
概括
新的风险工具可以预测在麻醉后护理单元 (PACU) 中的中度至严重和严重的急性术后疼痛 (APSP). 这些工具利用护理点的数据来早期管理APSP.
科学领域:
- 麻醉学和疼痛管理
- 外科手术患者的结果
- 预测分析在医疗保健中的应用
背景情况:
- 中度至严重的急性术后疼痛 (APSP) 影响大约30%的手术患者.
- 有效的APSP早期管理对于患者的康复至关重要.
- 术前预测APSP可以促进及时干预.
研究的目的:
- 开发和验证中度至重度和重度APSP的护理点风险预测工具.
- 确定与APSP风险增加相关的关键预测因素.
- 评估这些预测模型的临床实用性.
主要方法:
- 一项针对1380名接受选择性手术的成年患者的多中心前性队列研究.
- 后勤回归模型是使用预先识别的候选预测器来开发的.
- 内部验证包括引导重新抽样和决策曲线分析.
主要成果:
- 模型预测中度至严重的APSP (45.1%的发病率) 和严重的APSP (12.4%的发病率),乐观度调整后AUC分别为0.75和0.72.
- 风险增加的预测因素包括年龄较小,女性性别,手术前疼痛,手术前使用阿片类药物和更长的手术持续时间.
- 整形外科手术和区域麻醉与降低风险有关.
结论:
- 护理点风险工具显示可接受的性能和临床实用性,用于早期APSP预测.
- 这些模型是根据各种手术病例开发的,可以帮助主动治疗疼痛.
- 在广泛临床实施之前,建议进行外部验证.
更多相关视频
07:14A Quantitative Sensory Testing Paradigm to Obtain Measures of Pain Processing in Patients Undergoing Breast Cancer Surgery
Published on: January 18, 2018
9.8K
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.5K
