“醉”译献 | 术中药理性阿片类药物最小化策略和术后以患者为中心的结果：范围审查

糖糖不次糖

嘉兴市第二医院麻醉科 译审

术中药理性阿片类药物最小化策略和术后以患者为中心的结果：范围审查

01、前言
在全球阿片类药物危机的背景下，旨在减少阿片类药物使用的药理学方法，即阿片类药物最小化策略，在围术期治疗中越来越受到重视。这类干预通常在手术期间，特别是在患者全身麻醉期间开始进行。尽管阿片类药物最小化策略的使用在增加，但实践中仍存在无法解释的差异，而且尚不清楚这些实践是否有以患者为中心的证据支持。

围术期研究中对以患者为中心的结果测量的认识和需求正在增长，以增强研究结果的相关性和适用性。这些结果测量包括术后患者的体验，如疼痛水平、镇痛不良反应（如恶心、呕吐、便秘、头晕）以及疼痛对日常生活的影响，这些是确定围术期有效性的关键因素。阿片类药物最小化策略对改善以患者为中心的结果具有吸引力，因为它们可以在提供镇痛的同时减少阿片类药物相关的不良反应。然而，在围术期研究和支持围术期使用阿片类药物最小化策略的临床实践指南（如ERAS指南）中，以患者为中心的结果目前仍未得到充分体现。围术期医学标准化终点（StEP-COMPAC小组）倡议已确定用于围术期治疗试验的关键以患者为中心的结果测量和工具。围术期国家和国际专家共识声明也强调了在实践、研究和指南中整合以患者为中心的结果。

之前的系统评价主要关注药理性阿片类药物最小化策略对间接患者结果测量（即短期内使用的阿片类药物数量）或单维工具（即疼痛强度评估或血流动力学稳定性）的影响。结果表明，阿片类药物替代品可以减少手术期间和术后的短期阿片类药物使用。然而，这些系统评价通常方法学质量较低，并且往往忽略了重要的以患者为中心的结果。此外，考虑到术中阿片类药物最小化策略的异质性和复杂性，范围综述是一种评估该领域广度、范围和性质并为未来研究提供见解的有价值方法。

因此，我们设计了一项使用协作方法（包括多个利益相关方和合作组织，如患者伙伴、围术期临床医生、合作组织和方法学家）的随机对照试验（RCT）范围综述。我们的目标是绘制和描述评估术中药理性阿片类药物最小化策略对成年手术患者以患者为中心的有效性临床试验的证据，并确定有前景的药理性阿片类药物最小化策略。

02、方法

我们的范围综述按照Joanna Briggs研究所的建议进行，并遵循Arksey和O’Malley制定的方法框架。我们撰写本文时遵循了系统评价和荟萃分析的优先报告项目（PRISMA）范围综述扩展报告指南。我们的方案已发布，原方案的任何修改都记录并发布在开放科学框架平台上。

正如我们在方案和单独的反思文章中详细说明的那样，我们采用了合作方法，涉及多个合作组织和患者伙伴。我们将药理性阿片类药物最小化策略定义为在术中口服、肌肉注射、皮下注射或静脉注射的具有抗伤害感受特性的非阿片类药物。尽管在各个国家和国家内部对以患者为中心的结果有多种定义，我们遵循了专门针对围术期治疗背景的严格国际共识过程制定的建议：StEP-COMPAC共识。因此，我们包括了所有落在StEP-COMPAC共识五个领域之一的结果测量，即：幸福感、功能状态、患者满意度、健康相关的生活质量和生活影响。此外，根据我们的合作组织、专家临床医生和患者伙伴的意见，我们还考虑了两个额外的以患者为中心的领域：阿片类药物特定结果（长期使用阿片类药物[≥1个月]和阿片类药物相关的不良反应[多维评估]）和疼痛相关结果（急性疼痛[多维评估<3个月]和术后慢性疼痛[≥3个月]）。

检索策略和纳入标准

我们与方法学专家、临床医生、患者伙伴和两名信息专家合作制定了检索策略。我们的检索策略应用于MEDLINE、Embase、CENTRAL、Web of Science和CINAHL，从其成立到2023年2月，并根据电子检索策略同行评审（PRESS）建议进行了验证。我们纳入了评估系统性术中（即手术当天，麻醉苏醒前开始）的药理性阿片类药物最小化策略影响的随机对照试验（RCTs）。干预措施可以包括无阿片类药物麻醉（即完全避免使用阿片类药物），但不作为纳入条件。试验必须包括接受任何外科手术的全身麻醉的成年患者。合格的对照组为阿片类药物、安慰剂或无干预。至少必须报告一个以患者为中心的结果，并且仅纳入英文或法文的试验。合格试验的最小样本量为30名参与者。

研究选择

我们使用Distiller SR（https://v2dis-prod.evidencepartners.com/），一种基于云的审计准备软件，旨在为知识综合项目收集引用、删除重复项并促进标题和摘要的筛选。鉴于预计引用数量庞大，我们利用Distiller SR的人工智能主动机器学习功能优先处理和增强引用的标题和摘要筛选。为了试点测试一级筛选表单并训练主动机器学习工具，审稿人独立筛选了100个引用，并解决了所有分歧。我们每2-3天进行一次冲突解决，以保持主动机器学习工具的可靠性。一旦我们达到预计的召回率≥90%（表明主动机器学习已识别出大约90%符合纳入标准的试验），一个审稿人将由人工智能替换，以进行重复筛选过程。在全文筛选阶段，我们利用InsightScope平台（www.insightscope.ca），一个基于网络的应用程序，允许创建一个大型在线团队，以促进预期的大量引用的筛选。

确定有前景的阿片类药物最小化策略的标准

我们确定有前景的阿片类药物最小化策略的方法在预先发布的方案中详细说明（即基于作者的发现可能有效，但需要进一步系统性研究评估的策略）。首先，我们根据与患者伙伴和合作组织的潜在影响和可能性，排名感兴趣的以患者为中心的结果测量领域。使用恢复质量工具评估的患者幸福感得到了最高分数。我们还在以患者为中心的结果范围内考虑了两个额外的领域，即阿片类药物相关（长期使用[≥1个月]和不良反应[多维评估]）和疼痛相关（急性疼痛[多维评估，<3个月]和术后慢性疼痛[≥3个月]）。接着，我们根据作者的结论和解释（即聚合作者的发现）计算了报告积极结果（即与干预相关的益处）的药理策略的相对（即相对于纳入的试验总数）和绝对数量。然后，在将至少一个以患者为中心的结果测量作为主要兴趣结果的试验中进行同样的评估（幸福感、功能结果、患者满意度、生活质量和生活影响、阿片类药物相关不良反应或疼痛相关）。最后，我们总结了这些证据，并与患者伙伴、临床医生和研究人员讨论以确认所确定的有前景策略的潜在适用性和相关性。我们没有使用量化的门槛来选择有前景的策略，因为每一种所选的有前景的阿片类药物最小化策略都需要系统评价和荟萃分析来确认结果。使用相同的方法，我们还基于作者结论（即干预被判断为无效、有害或有效性不确定）中的无效或负面结论的已发表文章的相对和绝对数量，确定了较少有前景的药理策略。

数据抽象、分析和结果呈现

我们使用标准化的数据抽象文档从纳入的试验中提取数据。至少有两名审稿人独立提取数据，如有必要，通过第三位高级审稿人解决冲突。

为了描述结果测量，每个报告的工具都根据StEP-COMPAC共识的分类进行分类（表1）。我们还使用堆叠条形图描述了每个试验对StEP-COMPAC建议（图1）的遵循情况。我们使用气泡图可视化了每项药理性阿片类药物最小化策略的有效性评估试验数量。

登录/注册后可看大图

登录/注册后可看大图

患者和公众的参与

我们成立了一个由四位具有围术期经历的个人组成的患者小组，根据加拿大患者导向研究策略（SPOR）患者参与框架的原则共同制作此范围综述。遵循包容性、支持、相互尊重和共同构建的原则，患者小组定期与团队成员会面。患者伙伴参与了研究的各个阶段，即设计研究问题、确定和优先选择结果、对计划提取的项目提供见解以及共同开发资助申请和文章。我们患者参与方法的详细信息已在另一篇出版物中描述。

03、结果

在筛选的24,842篇文献中，我们纳入了总计457项试验，代表67,060名参与者。筛选过程和全文排除的原因总结在补充图S2中。人工机器学习功能报告见附录2。我们发现16%（457/2803）的已发表试验评估了药理性阿片类药物最小化策略的有效性，并符合我们报告至少一个以患者为中心的结果的纳入标准（补充图S2）。我们排除了两篇被撤回且被认定为欺诈报告的文章。

药理性阿片类药物最小化策略的患者中心有效性试验证据的特征

457篇纳入文章的特征总结在表2和补充表S2中。试验最多的国家是中国（18%，83篇），其次是美国（18%，81篇）和土耳其（9%，42篇）。在设计和方法学方面，99%的试验（454篇）在个体水平进行随机化，92%的试验（419篇）在单一中心进行。共有56%的试验（253篇）报告了方案或注册号，85%的试验（389篇）在其手稿或方案中报告了样本量计算。

登录/注册后可看大图