Forutsi kronisk smerte etter brystkirurgi

Hovedmålet med dette er å utvikle prediktive modeller ved bruk av kunstig intelligens-algoritmer for å forutsi akutte og kroniske smerter og opioidbruk hos pasienter som gjennomgår brystoperasjoner. Utvikling av disse modellene vil innebære prospektiv innsamling av data fra denne kirurgiske populasjonen, inkludert: 1) undersøkelsesresultater fra Brief Pain Inventory, Fibromyalgia Survey Criteria og PROMIS-skalaer (depresjonsskala, angstskala, fysisk funksjonsskala, tretthetsskala, søvnforstyrrelsesskala ); 2) farmakogenomikk (enkeltnukleotidpeptider fra COMT, BDNF, SCN11a, OPRM1, ABCB1, CYPD26 og CYP34A, for å nevne noen); 3) preoperative komorbiditeter (inkludert men ikke begrenset til diabetes mellitus, kroniske smerter, psykiatriske lidelser, rusmisbrukshistorie, obstruktiv søvnapné, etc); 4) preoperative laboratorier (dvs. hemoglobin); 5) demografiske data (dvs. sosioøkonomisk status, religion, etnisitet; primærspråket som snakkes, alder, kroppsmasseindeks, kjønn osv.); 6) preoperativ medisinbruk; 7) primær kirurgisk diagnose; 8) kirurgi; og 9) sosialt støttesystem. Intraoperative data vil inkludere: 1) primær anestesitype; 2) saksvarighet; 3) total opioidbruk; 4) ikke-opioid smertestillende bruk; 5) hjertefrekvenshemodynamikk; og 6) blodtrykkshemodynamikk. Postoperative data vil inkludere: 1) total opioidbruk; 2) utslippsmedisiner; 3) liggetid på sykehus; 4) smerteskår; 5) postoperative vitale tegn (blodtrykk, hjertefrekvens); og 6) deltakelse med fysioterapi. De primære utfallsmålene vil være opioidbruk i den akutte perioden og kronisk postoperativt stadium (30 og 90 dager og 6 måneder) og utvikling av kroniske smerter (inntil 6 måneder etter operasjon). Modellen med best ytelse vil bli brukt til å utvikle et prediktivt analytisk system som tar sikte på å identifisere høyrisiko opioidpasienter for å allokere ekspert smertebehandlingsressurser til disse pasientene. Vi antar at vi kan utvikle en nøyaktig modell for å identifisere høyrisiko opioidbrukere og pasienter med risiko for kronisk smerte i disse kirurgiske populasjonene og deretter implementere et prediktivt analytisk system som kan oppdage disse pasientene tidlig.