Förutsäga kronisk smärta efter bröstkirurgi

Det primära syftet med detta är att utveckla prediktiva modeller med hjälp av artificiell intelligensalgoritmer för att förutsäga akut och kronisk smärta och opioidanvändning hos patienter som genomgår bröstoperationer. Utvecklingen av dessa modeller kommer att involvera prospektiv insamling av data från denna kirurgiska population, inklusive: 1) undersökningsresultat från Brief Pain Inventory, Fibromyalgia Survey Criteria och PROMIS-skalor (depressionsskala, ångestskala, skala för fysisk funktion, trötthetsskala, sömnstörningsskala ); 2) farmakogenomik (enkelnukleotidpeptider från COMT, BDNF, SCN11a, OPRM1, ABCB1, CYPD26 och CYP34A, för att nämna några); 3) preoperativa komorbiditeter (inklusive men inte begränsat till diabetes mellitus, kronisk smärta, psykiatriska störningar, missbrukshistoria, obstruktiv sömnapné, etc); 4) preoperativa laborationer (dvs. hemoglobin); 5) demografiska data (dvs. socioekonomisk status, religion, etnicitet; primärt talat språk, ålder, body mass index, kön, etc); 6) preoperativ medicinering; 7) primär kirurgisk diagnos; 8) kirurgi; och 9) socialt stödsystem. Intraoperativa data kommer att inkludera: 1) primär anestesityp; 2) ärendets varaktighet; 3) total opioidanvändning; 4) användning av icke-opioid analgetikum; 5) hjärtfrekvenshemodynamik; och 6) blodtryckshemodynamik. Postoperativa data kommer att inkludera: 1) total opioidanvändning; 2) utsläppsmediciner; 3) sjukhusvistelsens längd; 4) smärtpoäng; 5) postoperativa vitala tecken (blodtryck, hjärtfrekvens); och 6) deltagande med sjukgymnastik. De primära utfallsmåtten kommer att vara opioidanvändning i den akuta perioden och det kroniska postoperativa skedet (30 och 90 dagar och 6 månader) och utveckling av kronisk smärta (upp till 6 månader efter operationen). Modellen med bäst prestanda kommer att användas för att utveckla ett prediktivt analytiskt system som syftar till att identifiera opioidpatienter med hög risk för att tilldela expertresurser för smärtbehandling till dessa patienter. Vi antar att vi kan utveckla en korrekt modell för att identifiera högriskopioidanvändare och patienter med risk för kronisk smärta i dessa kirurgiska populationer och därefter implementera ett prediktivt analytiskt system som kan upptäcka dessa patienter tidigt.