Krónikus fájdalom előrejelzése emlőműtét után

Ennek elsődleges célja, hogy mesterséges intelligencia algoritmusokat használó prediktív modelleket fejlesszenek ki az akut és krónikus fájdalmak és opioidhasználat előrejelzésére emlőműtéten átesett betegeknél. Ezeknek a modelleknek a fejlesztése magában foglalja a sebészeti populációból származó adatok prospektív gyűjtését, beleértve: 1) a Brief Pain Inventory, a Fibromyalgia Survey Criteria és a PROMIS skálák (depressziós skála, szorongás skála, fizikai funkció skála, fáradtság skála, alvászavar skála) felmérési eredményeit. ); 2) farmakogenomika (egy nukleotid peptidek a COMT-ből, BDNF-ből, SCN11a-ból, OPRM1-ből, ABCB1-ből, CYPD26-ból és CYP34A-ból, hogy csak néhányat említsünk); 3) preoperatív társbetegségek (beleértve, de nem kizárólagosan a cukorbetegséget, a krónikus fájdalmat, a pszichiátriai rendellenességeket, a kábítószerrel való visszaélést, az obstruktív alvási apnoét stb.); 4) preoperatív laborok (pl. hemoglobin); 5) demográfiai adatok (pl. társadalmi-gazdasági helyzet, vallás, etnikai hovatartozás; elsődleges beszélt nyelv, életkor, testtömeg-index, nem stb.); 6) preoperatív gyógyszerhasználat; 7) elsődleges sebészeti diagnózis; 8) műtét; és 9) szociális támogatási rendszer. Az intraoperatív adatok a következőket tartalmazzák: 1) az elsődleges érzéstelenítés típusa; 2) az ügy időtartama; 3) teljes opioidhasználat; 4) nem opioid fájdalomcsillapítók használata; 5) pulzusszám hemodinamika; és 6) vérnyomás hemodinamikája. A posztoperatív adatok a következőket tartalmazzák: 1) teljes opioidhasználat; 2) mentesítési gyógyszerek; 3) a kórházi tartózkodás időtartama; 4) fájdalompontszámok; 5) posztoperatív életjelek (vérnyomás, pulzusszám); és 6) fizikai terápiában való részvétel. Az elsődleges kimenetel az opioidhasználat az akut periódusban és a krónikus posztoperatív szakaszban (30 és 90 nap és 6 hónap), valamint a krónikus fájdalom kialakulása (legfeljebb 6 hónappal a műtét után). A legjobb teljesítményt nyújtó modellt egy prediktív analitikai rendszer kifejlesztésére fogják használni, amelynek célja a magas kockázatú opioid betegek azonosítása, hogy szakértői fájdalomkezelési erőforrásokat lehessen osztani ezeknek a betegeknek. Feltételezzük, hogy pontos modellt tudunk kidolgozni a nagy kockázatú opioidhasználók és a krónikus fájdalom miatt veszélyeztetett betegek azonosítására ezekben a sebészeti populációkban, és ezt követően bevezethetünk egy prediktív analitikai rendszert, amely képes korán felismerni ezeket a betegeket.