Pijnmeting en behandeling bij kinderen

Initiatief: NVK Aantal modules: 57

Prognostische factoren postoperatieve pijn

Uitgangsvraag

Bij welke kinderen die een operatie ondergaan moet men alert zijn op het ontwikkelen van (ernstige) postoperatieve pijn?

Aanbeveling

Evalueer voorafgaand aan een operatie in ieder geval de mate van preoperatieve pijn van het kind en leg dit vast.

 

Licht de patiënt en ouder(s)/verzorger(s) in dat met elke 1 punt toename op de gemiddelde pijn intensiteit (NRS schaal 0-10) in de week voorafgaand aan de operatie de kans op het aanwezig zijn van acute postoperatieve pijn 2 weken na chirurgie verdubbelt. 

Licht de patiënt en ouder(s)/verzorger(s) in dat preoperatieve pijn mogelijk geassocieerd is met een hogere incidentie van chronische postoperatieve pijn 1 tot 2 jaar na de operatie.

Overwegingen

Voor- en nadelen van de interventie en de kwaliteit van het bewijs

In de systematische literatuuranalyse werden geen studies gevonden die intern of extern gevalideerde multivariabele modellen voor het voorspellen van postoperatieve pijn bij kinderen onderzochten.

Wel werden er zes studies geïncludeerd die enkele niet gevalideerde modellen beschreven die de associaties tussen demografische factoren, psychologische factoren, preoperatieve pijn en operatie gerelateerde factoren en acute postoperatieve pijn (Berghmans, 2018; Rabbitts, 2015; Rabbitts, 2020) en/of chronische postoperatieve pijn (Julien-Marsollier, 2017; Mimura, 2019; Rabbits, 2020; Siemer, 2020) onderzochten. Het vertrouwen in een goede prestatie van deze modellen ten aanzien van de voorspellende waarde is echter zeer laag vanwege het ontbreken van zowel interne als externe validatie. Daarnaast werd in de geïncludeerde studies maar een beperkte populatie onderzocht qua type operatie en leeftijd van kinderen. Daardoor kunnen geen consequenties worden verbonden aan de uitkomsten van deze modellen.

Vanwege het ontbreken van studies naar een gevalideerd model, werd de bewijskracht van de literatuur niet beoordeeld en konden geen gegradeerde conclusies worden getrokken over welke prognostische factoren gerelateerd zijn aan een groter risico op het ontwikkelen van acute of chronische postoperatieve pijn bij kinderen die een operatie ondergaan. De werkgroep concludeert dan ook dat er een kennislacune bestaat omtrent het bestaan van beslissingsmodellen welke op basis van risicofactoren postoperatieve pijn na een operatie kunnen voorspellen bij kinderen.

 

Waarden en voorkeuren van patiënten (en evt. hun verzorgers)

Waarden en voorkeuren van patiënten zijn niet van toepassing bij een prognostisch model voor postoperatieve pijn.

 

Kosten (middelenbeslag)

Kosten zijn niet van toepassing bij een prognostisch model voor postoperatieve pijn.

 

Aanvaardbaarheid, haalbaarheid en implementatie

Het prognostisch model heeft geen invloed op de gezondheidsgelijkheid. In Nederland heeft iedereen in principe dezelfde toegang tot medische hulp.

Er zijn geen voorwaarden aan de haalbaarheid. Voor implementatie zouden geen specifieke investeringen of kennis nodig zijn.

 

Rationale van de aanbeveling: weging van argumenten voor en tegen de interventies

Er is onvoldoende bewijs over de voorspellende waarde van een prognostisch model voor acute of chronische postoperatieve pijn bij kinderen die een operatie ondergaan. Op basis van niet-gevalideerde modellen in 2 studies van Rabbitts (2015 en 2020) lijkt preoperatieve pijn een associatie te hebben met acute postoperatieve pijn 2 weken na operatie. De kans op het aanwezig zijn van acute postoperatieve pijn 2 weken na chirurgie verdubbelt ongeveer met elke 1 punt toename op de gemiddelde pijn intensiteit (NRS schaal 0-10) in de week voorafgaand aan de operatie. Voor chronische postoperatieve pijn werd geen associatie gevonden met preoperatieve pijn in de studie van Rabbitts (2020), maar wel in 2 andere prospectieve studies (Julien-Marsollier, 2017; Mimura, 2019). Daarom stelt de werkgroep voor deze factor mee te nemen bij het maken van een inschatting op de kans op postoperatieve pijn.

Onderbouwing

Acute postoperatieve pijn is een van de meest gemelde postoperatieve klachten. Identificatie van de prognostische factoren voor postoperatieve pijn kan resulteren in een snellere en betere pijnbestrijding als deze prognostische factoren geïdentificeerd kunnen worden.

Description of studies

  1. Acute postoperative pain

Berghmans (2018), Rabbits (2015) and Rabbitts (2020) presented multivariable models describing associations of demographics, psychological variables, preoperative pain and surgery-related factors with acute postoperative pain. Details of the studies are shown in Table 1.

 

Table 1. Description of studies reporting unvalidated models of acute postoperative pain

Study

Population

N (% event)

Outcome

Analysis method

Berghmans, 2018; prospective cohort study

Children aged 1.5-5 y old undergoing day-care adenotonsillectomy at a Children’s hospital in Antwerp (Belgium) between April 2013 and January 2016.

144 (35.4%)

Clinically significant pain (score ≥6 on 15-item PPPM, mean score calculated based on separate PPPM scores during first 3 days at home)

Multivariate logistic regression analysis was used to assess whether internalizing and externalizing problems explained pain at home. Two models were created, model 1 included child’s age, child’s state anxiety, parental state anxiety, parental need for information, parental education). Model 2 added the variables internalizing/externalizing problems of the CBCL.

Rabbitts, 2015; prospective cohort study

Children aged 10-18 y old undergoing either spinal fusion or pectus repair surgery at a tertiary pediatric hospital in the US between October 2014 and June 2018.

60 (79.2%)

Moderate-severe pain (pain intensity ≥5 on 11-point NRS) 2 weeks after surgery. A mean score was calculated from available daily pain diary data from each assessment.

Multivariate logistic regression analysis was used to examine predictors of mean pain intensity 2 weeks after surgery. Trait anxiety, state anxiety, pain catastrophizing, parental pain catastrophizing and baseline sleep were included, while adjusting for baseline pain and HRQOL.

Rabbits, 2020; prospective cohort study

Children aged 10-18 y old undergoing spinal fusion for idiopathic spinal deformity at a tertiary pediatric hospital in the US between October 2014 and June 2018.

119 (27.2%)

Moderate-severe pain (pain intensity ≥5 on 11-point NRS on >50% of daily diary days) 2 weeks after surgery

Multivariate logistic regression analysis was used to examine the associations between baseline variables and acute pain. Four different models were developed, which were compared with likelihood ratio tests. Model 1 included baseline demographics (age and sex). Model 2 added baseline pain intensity and pain distribution to Model 1. Model 3 added adolescent emotional and behavioural factors to Model 2. Model 4 added parent and family factors to Model 3.

CBCL, Child Behavior Checklist; HRQOL, Health-related quality of life; PPPM, parents postoperative pain measure

 

  1. Chronic postoperative pain

Julien-Marsollier (2017), Mimura (2019), Rabbits (2020) and Siemer (2020) presented multivariable models describing associations of demographics, psychological variables, preoperative pain and surgery-related factors with postoperative pain. Details of the studies are shown in Table 2.

 

Table 2. Description of studies reporting unvalidated models of chronic postoperative pain

Study

Population

N (% event)

Outcome

Analysis method

Julien-Morsellier, 2017; prospective cohort study

Children aged <18 y old undergoing surgical correction of idiopathic scoliosis from January 2014 to May 2014.

39 (52.8%)

Neuropathic pain (presence of pain (NRS ≥4), presence of signs of neurological damage within the operated area and a DN4 score ≥4 in the area around the wound scar) at 1 year after surgery.

Multivariate logistic regression analysis (stepwise) was used to assess whether risk factors (age, weight, the presence of continuous preoperative pain over the

3 months before surgery, surgical characteristics, pain scores during the first five postoperative days,

and DN4 at day 3) were associated with neuropathic pain after 1 year.

Mimura, 2019; prospective cohort study

Adolescent idiopathic scoliosis patients with a mean age of 14.8 (SD 2.3; range 11-24) y old undergoing posterior spinal fusion from October 2005 to November 2015.

101

Postoperative Scoliosis Research Society (SRS)-22r pain score at 2 year after surgery

Multivariate general linear models were employed with statistically significant factors(P<0.2) of univariate analysis (preoperative pain, Risser grade, BMI, number of fused vertebrae, correction rate of main thoracic curve, T5-12 kyphotic angle, mental health score) added to a model.

Rabbits, 2020; prospective cohort study

Children aged 10-18 y old undergoing spinal fusion for idiopathic spinal deformity at a tertiary pediatric hospital in the US between October 2014 and June 2018.

119 (19.8%)

Moderate-severe pain (pain intensity ≥3 on 11-point NRS on >50% of daily diary days and impairment in HRQOL (PedsQLTM < 74.9)) 4 months after surgery

Multivariate logistic regression analysis was used to examine the associations between baseline variables and chronic postoperative pain. Four different models were developed, which were compared with likelihood ratio tests. Model 1 included baseline demographics (age and sex). Model 2 added baseline pain intensity and pain distribution to Model 1. Model 3 added adolescent emotional and behavioural factors to Model 2. Model 4 added parent and family factors to Model 3.

Siemer, 2020; prospective cohort study

Children aged 10-17 y old scheduled to undergo spinal fusion for underlying scoliosis from July 2014 to December 2017, and their parents.

76

Long-term pain-related interference (PROMIS SF2.0, score ranging from 0-40) at 1 year after surgery.

Multivariate logistic regression analysis was used to assess whether risk factors were associated with pain interference after 1 year. In step 1 the factors parent sex, parent past pain, parent catastrophizing and parent pain relief preference were added in the model. Additionally, the factors child age, child sex and child high symptom profile were added to this model in step 2.

HRQOL, health-related quality of life; PedsQL, Pediatric Quality of Life; PROMIS, Pediatric patient-reported outcome measurement system

 

Results

  1. Acute Postoperative pain

1.1         Model performance

Rabbitts (2020), Rabbits (2015) and Berghmans (2018) presented multivariable models describing associations of demographics, psychological variables, preoperative pain and surgery-related factors with acute postoperative pain. Details of the presented models are summarized in Table 3.

 

Berghmans (2018) constructed two multivariate logistic regression models to assess whether internalizing and externalizing problems explained pain at home during first 3 days after surgery. In the first model, parental state anxiety (β 0.209; P=0.017) and parental need for information (β 0.209; P=0.046) were statistically significant predictors of pain scores during the first 3 days after surgery. In the second model, internalizing and externalizing problems were entered in the regression model. In this second model, parental need for information (β 0.207; P=0.01) and internalizing problems (β 0.343; P=0.001) were statistically significant predictors of pain scores during the first 3 days after surgery. Overall, model 1 explained 9.7% (P=0.03) of the variance of pain score at home and model 2 explained 22.5% (P=0.000) of the variance of pain scores at home.

 

Rabbitts (2015) conducted a multivariate logistic regression model to assess whether psychosocial and behavioral factors before surgery predict acute postoperative pain 2 weeks after surgery. Baseline pain intensity (β = 0.44; P<0.001), parental pain catastrophizing (β = 0.28, P<0.05) and presurgery sleep duration (β = −0.26; P<0.05) were statistically significantly associated with mean pain intensity reported 2 weeks after surgery. Overall, the model explained 33.8% of the variance of mean pain intensity 2 weeks after surgery.

 

Rabbitts (2020) examined associations between demographic factors, baseline pain, adolescent psychological/behavioral, and parent/family factors before surgery with presence of acute postoperative pain 2 weeks after surgery. The base model (Model 1) included baseline demographic variables only. Then baseline pain intensity and pain distribution (Model 2), adolescent emotional and behavioral factors (Model 3), and parent and family factors (Model 4) were added into the models sequentially, leading to four nested regression models. Baseline pain intensity was the only statistically significant predictor of acute postoperative pain in the final model (OR model 4: 1.96; 95% CI 1.32 to 2.90). This means that for each 1 point higher mean pain intensity rating during the week preceding surgery, the odds of acute postoperative pain was 96% higher at 2-weeks following surgery (P<0.001). Unfortunately, the overall performance of the models was not reported. Only Likelihood Ratio test statistic of the models were reported, whereby each successive model was compared to the previous model (i.e. M2 vs. M1, M3 vs M2, and M4 vs. M3). However, this outcome does not reflect the overall performance of the models to predict postoperative pain.

 

Table 3. Unvalidated models predicting acute postoperative pain in children undergoing surgery

Study

Outcome

Predictor

Effect size (95%CI)

Performance

Berghmans, 2018

Clinically significant pain during first 3 days after surgery

Model 1.

Age

State anxiety parent

APAIS-info

Education parent (secondary school ref)

  • No
  • Higher education or university

mYOAS mean

 

β 0.004

β 0.209*

β 0.173*

 

β -0.102

β 0.029

β -0.022

R2=0.097; P=0.028

 

 

Model 2.

Age

State anxiety parent

APAIS-info

Education parent (secondary school ref)

  • No
  • Higher education or university

mYOAS mean

Preoperative internalizing problems

Preoperative externalizing problems

 

β -0.037

β 0.107

β 0.207*

 

β -0.100

β 0.070

β -0.102

β 0.343**

β 0.058

R2=0.225; P=0.000

Rabbitts, 2015

Average postoperative pain 2 weeks after surgery

Model 1.

Baseline pain intensity

Trait anxiety

State anxiety

Pain catastrophizing child

Pain catastrophizing parent

Presurgey sleep duration

 

β 0.44**

β 0.05

β -0.16

β -0.15

β 0.28*

β -0.26*

R2=0.34

Rabbitts, 2020

 

Moderate-severe pain 2 weeks after surgery

Model 1.

Age

Sex

 

OR 1.21 (0.95-1.55)

OR 4.75 (1.55-14.56)*

Not reported

 

 

Model 2.

Age

Sex

Baseline pain intensity

Pain distribution

 

OR 1.14 (0.87-1.49)

OR 4.13 (1.12-15.32)*

OR 1.81 (1.29-2.54)**

OR 0.77 (0.58-1.04)

Not reported

LR M2 vs M1=19.3**

 

 

Model 3.

Age

Sex

Baseline pain intensity

Pain distribution

Pain catastrophizing child

Anxiety symptoms

Depressive symptoms

Insomnia severity

Sleep quality

 

OR 1.12 (0.84-1.49)

OR 3.79 (0.99-14.56)

OR 1.98 (1.35-2.91)**

OR 0.71 (0.51-0.99)*

OR 0.98 (0.92-1.04)

OR 0.99 (0.96-1.03)

OR 0.95 (0.80-1.12)

OR 1.39 (0.47-4.12)

OR 0.48 (0.21-1.09)

Not reported

LR M3 vs M2=5.8

 

 

Model 4.

Age

Sex

Baseline pain intensity

Pain distribution

Pain catastrophizing child

Anxiety symptoms

Depressive symptoms

Insomnia severity

Sleep quality

Pain catastrophizing parent

Family functioning

 

OR 1.17 (0.86-1.58)

OR 3.86 (0.93-16.07)

OR 1.96 (1.32-2.90)**

OR 0.74 (0.53-1.04)

OR 0.98 (0.92-1.05)

OR 0.99 (0.96-1.03)

OR 0.94 (0.80-1.12)

OR 1.46 (0.49-4.36)

OR 0.53 (0.22-1.25)

Or 1.02 (0.97-1.07)

OR 0.45 (0.10-2.01)

Not reported

LR M4 vs M3=6.0

APAIS, Amsterdam Perioperative Anxiety Information scale-information part; LR, Likelihood Ratio test statistic; mYPAS, modified Yale Preoperative Anxiety scale

*P<0.05

**P<0.01

 

2. Chronic postoperative pain

2.1         Model performance

Julien-Marsollier (2017), Mimura (2019), Rabbits (2020) and Siemer (2020) presented multivariable models describing associations of demographics, psychological variables, preoperative pain and surgery-related factors with postoperative pain. Details of the presented models are summarized in Table 4.

 

Julien-Marsollier (2017) identified risk factors for neuropathic pain one year after scoliosis children. Only the factors independently associated with the occurrence of neuropathic pain at 1 year after surgery in the univariate model were entered in a multivariate model. In the multivariate model, preoperative pain during the 3 months preceding surgery (β 2.5; SD 1.2; P=0.003) and total morphine at day 1 ≥0.5 mg kg−1 (β 3.7; SD 1.2; P=0.002) were statistically significant predictors of neuropathic pain at 1 year after surgery. The area under the curve of the model was 0.89 (95% CI 0.78–0.99).

 

Mimura (2019) identified risk factors for postoperative pain two year after surgery for adolescent idiopathic scoliosis. Only the factors independently associated with the postoperative pain at 2 year after surgery in the univariate model were entered in a multivariate general linear model. In the multivariate model, higher preoperative pain (β 0.30; SD 0.09; P < 0.01) and higher postoperative T5-12 kyphotic angle (β -0.12; SD 0.05; P = 0.02) were statistically significant predictors of chronic postoperative pain at 2 year after surgery. Overall, the model explained 17% of the variance of pain 2 years after surgery.

 

Rabbits (2020) examined associations between demographic factors, baseline pain, adolescent psychological/behavioral, and parent/family factors before surgery with chronic postsurgical pain 4 months after surgery. The base model (Model 1) included baseline demographic variables only. Then baseline pain intensity and pain distribution (Model 2), adolescent emotional and behavioral factors (Model 3), and parent and family factors (Model 4) were added into the models sequentially, leading to four nested regression models. Only addition of adolescent psychological and behavioral factors increased model fit (M3 vs M2 LR=17.02). In the final model (M4), depressive symptoms (OR 1.22; 95% CI 1.01 to 1.47) and sleep quality (OR 0.26; 95% CI 0.08 to 0.83) were the only statistically significant predictors of chronic postoperative pain. This means that for each 1 point higher level of depressive symptoms on the Revised Child Anxiety and Depression Scale (RCADS) before surgery, the odds of chronic postoperative pain was 22% higher at 4-months following surgery (P=0.03). Each 1 point higher sleep quality score on the Adolescent Sleep Wake Scale (ASWS) before surgery was associated with 74% lower odds of developing chronic postoperative pain at 4-months following surgery (P=0.02).

 

Siemer (2020) identified the associations between parent factors and child symptomatology and long-term pain interference 1 year after surgery. A 2-step model was performed, whereby in the 1st step only parent related factors were included in a multivariate model, and in the 2nd step children related factors were added to this model. In the first model, parent catastrophizing (β 0.18; 95% CI 0.04 to 0.32; P=0.14) and parent pain relief preference (β 0.51; 95% CI 0.02 to 0.99; P=0.04) were statistically significant associated with child’s long-term pain interference score. This model explained 20% of the variance of pain 1 year after surgery. In the second model, only child high symptom profile (β 7.98; 95% CI 4.72 to 11.19; P<0.001) was statistically significant associated with child’s long-term pain interference score. This model explained 43% of the variance of pain 1 year after surgery.

 

Table 4. Unvalidated models predicting chronic postoperative pain in children undergoing surgery

Study

Outcome

Predictor

Effect size (95%CI)

Performance

Julien-Marsollier, 2017

Neuropathic pain 1 year after surgery

Model 1.

Preoperative pain during the 3 months preceding surgery

Total morphine at day 1 ≥0.5 mg kg−1

 

β 2.5 (SD 1.2) / OR 13 (95% CI 1.3-129)*

β 3.7 (SD 1.2) / OR 43 (95% CI 3.7-481)**

AUC = 0.89 (95% CI 0.78-0.99)

Mimura, 2019

Postoperative SRS-22r pain score 2-year after surgery

Model 1.

Preoperative pain SRS-22r score (+1 point)

Risser grade (+1 point)

BMI  (+1 kg/m2)

Number of fused vertebrae (+1 vertebrae)

Correction rate of main thoracic curve (+10%)

T5-12 kyphotic angle (+10°)

Mental health score (+1 point)

 

+0.30 (SD 0.09)**

-0.02 (SD 0.04)

-0.03 (SD 0.02)

-0.02 (SD 0.02)

-0.01 (SD 0.02)

-0.12 (SD 0.05)*

+0.02 (0.06)

R2 = 0.17

Rabbitts, 2020

 

Chronic postsurgical pain 4 months after surgery

Model 1.

Age

Sex

 

OR 1.46 (1.10-1.94)*

OR 2.31 (0.75-7.12)

Not reported

 

 

Model 2.

Age

Sex

Baseline pain intensity

Pain distribution

 

OR 1.34 (01.00-1.80)

OR 1.22 (0.35-4.32)

OR 1.26 (0.92-1.72)

OR 1.08 (0.80-1.46)

Not reported

LR M2 vs M1=5.1

 

 

Model 3.

Age

Sex

Baseline pain intensity

Pain distribution

Pain catastrophizing child

Anxiety symptoms

Depressive symptoms

Insomnia severity

Sleep quality

 

OR 1.15 (0.81-1.63)

OR 1.22 (0.28-5.27)

OR 1.18 (0.80-1.75)

OR 0.95 (0.67-1.34)

OR 0.97 (0.90-1.04)

OR 1.00 (0.95-1.04)

OR 1.24 (1.03-1.49)*

OR 0.32 (0.09-1.10)

OR 0.25 (0.08-0.76)*

Not reported

LR M3 vs M2=17.0**

 

 

Model 4.

Age

Sex

Baseline pain intensity

Pain distribution

Pain catastrophizing child

Anxiety symptoms

Depressive symptoms

Insomnia severity

Sleep quality

Pain catastrophizing parent

Family functioning

 

OR 1.18 (0.82-1.70)

OR 1.29 (0.29-5.72)

OR 1.31 (0.86-1.99)

OR 0.82 (0.54-1.24)

OR 0.97 (0.90-1.05)

OR 1.00 (0.96-1.04)

OR 1.22 (1.01-1.47)*

OR 0.31 (0.09-1.10)

OR 0.26 (0.08-0.83)*

OR 1.01 (0.96-1.08)

OR 1.38 (0.32-6.03)

Not reported

LR M4 vs M3=3.6

Siemer, 2020

Pain interference (PROMIS) 1 year after surgery

Model 1.

Parent female

Parent past pain

Parent catastrophizing

Parent pain relief preference

 

Β -0.52 (-4.31-3.28)

Β 2.98 (-0.25-5.16)

Β 0.18 (0.04-0.32)*

Β 0.51 (0.02-0.99)*

R2 = 0.20**

 

 

Model 2.

Parent female

Parent past pain

Parent catastrophizing

Parent pain relief preference

Child age

Child female

Child high symptom profile

 

Β -0.801 (-4.49-2.89)

β 2.45 (-0.25-5.16)

β 0.05 (-0.08-0.19)

β 0.33 (-0.11-0.76)

β 0.02 (-0.078-0.81)

β -0.49 (-4.16-3.18)

β 7.98 (4.72-11.19)**

R2 = 0.43**

LR, Likelihood Ratio test statistic; PROMIS, Pediatric patient-reported outcome measurement system

*P<0.05

**P<0.01

 

Level of evidence of the literature

The level of evidence was not graded, because none of the included studies reported validated models.

Preferably a systematic review of the literature measuring the effect of using a clinical decision model to identify children undergoing surgery with a high risk for developing (severe) postoperative pain, compared to standard care or chance. As such research is very rare and the working group did not expect to find such studies, a systematic review of the literature was performed to answer the following questions:

 

1. What is the prognostic value of a prediction model for developing acute postoperative pain in children undergoing surgery?

P: Children 0 to 18 years old undergoing surgery

I:  Prediction model:

Outcome: acute postoperative pain (for each type of surgery, pain within 2 weeks after surgery)

Factors in 4 different domains:

  1. Demographics: age, gender, education level, ethnic group
  2. Psychological: anxiety (patient and caregiver preoperative anxiety state), psychological distress (patient’s and caregiver’s mood, affect, personality trait, anxiety trait), coping strategies of patient and caregiver, history of physical, emotional, or sexual abuse.
  3. Preoperative pain: preoperative pain/analgesic experience, patient’s perception regarding pain or analgesia, pain threshold.
  4. Surgery-related factors: type of surgery, previous surgery

C: Absence of prognostic model/ chance

O: Model performance (predictive value)

T: Pre-operative

S: In hospital, outpatient clinic

 

2. What is the prognostic value of a prediction model for developing chronic postoperative pain in children undergoing surgery?

P: Children 0 to 18 years old undergoing surgery

I: Prediction model:

Outcome: chronic postoperative pain (for each type of surgery, pain lasting longer than 2 months after surgery)

Factors in 4 different domains:

  1. Demographics: age, gender, education level, ethnic group
  2. Psychological: anxiety (patient and caregiver preoperative anxiety state), psychological distress (patient’s and caregiver’s mood, affect, personality trait, anxiety trait), coping strategies of patient and caregiver, history of physical, emotional, or sexual abuse.
  3. Preoperative pain: preoperative pain/analgesic experience, patient’s perception regarding pain or analgesia, pain threshold.
  4. Surgery-related factors: type of surgery, previous surgery

C: Absence of prognostic model/ chance

O: Model performance (predictive value)

T: Pre-operative

S: In hospital, outpatient clinic

 

Relevant outcome measures

The guideline development group considered model performance (predictive value) as a critical outcome measure for decision making.

 

Acute postoperative pain was defined as pain within 2 weeks after surgery.

Chronic postoperative pain was defined as pain lasting longer than 2 months after surgery.

The working group defined the performance of the included models as follows (Cohen, 1988):

R2 < 0.02: very weak;

0.02 ≤ R2 < 0.13: weak;

0.13 ≤ R2 < 0.26: moderate;

R2 ≥ 0.26: substantial

 

0.7≤AUC<0.8: acceptable;

0.8≤AUC<0.9: excellent;

AUC≥0.9: outstanding.

 

Prognostic research: Study design and hierarchy

When reviewing literature, there is a hierarchy in quality of individual studies. Preferably, the effectiveness of a clinical decision model is evaluated in a clinical trial. Unfortunately, these studies are very rare. If not available, studies in which prediction models are developed and validated in other samples of the target population (external validation) are preferred as there is more confidence in the results of these studies compared to studies that are not externally validated. Most samples do not completely reflect the characteristics of the total population, resulting in deviated associations, possibly having consequences for conclusions. Studies validating prediction models internally (e.g. bootstrapping or cross validation) can be used to answer the first research question as well, but downgrading the level of evidence is obvious due to risk of bias and/or indirectness as it is not clear whether models perform sufficiently in target populations. The confidence in the results of unvalidated prediction models is very low. Therefore, such models will not be graded. This is also applicable for association models. The risk factors identified from such models can be used to inform patients about the elevated risk on developing postoperative pain after surgery, however they are less suitable to be used in clinical decision making.

 

Search and select (Methods)

The databases Medline (via OVID) and Embase (via Embase.com) were searched with relevant search terms from 2007 until 9 November 2021. The detailed search strategy is depicted under the tab Methods. The systematic literature search resulted in 506 hits. Studies were selected based on the following criteria:

  • Being a systematic review, randomized controlled trial (RCT) or observational study (cohort study).
  • Reporting multivariable longitudinal association model or prediction model with outcome acute or chronic postoperative pain as dependent variable and independent variables (demographics, psychological variables, preoperative pain, surgery-related factors) determined before the surgery.
  • Models do not take independent variables into account that were determined after the start of the surgery.

40 studies were initially selected based on title and abstract screening. After reading the full text, 30 studies were excluded based on study design and PICO (see the table with reasons for exclusion under the tab Methods). Additionally, four studies (Ferland, 2017; Martin, 2020; Voepel-Lewis, 2018; Connely, 2014) were excluded because no overall performance of the multivariate model was reported. Finally, six studies were included in the analysis of the literature. None of these studies reported validated models.

 

Results

Three studies were included in the analysis of the literature for acute postoperative pain. Four studies were included in the analysis of the literature for chronic postoperative pain. Because none of the studies reported validated models, no evidence and risk of bias tables were created, and no grading was performed.

  1. 1 - Berghmans, J. M., Poley, M. J., van der Ende, J., Veyckemans, F., Poels, S., Weber, F., ... & Utens, E. (2018). Association between children's emotional/behavioral problems before adenotonsillectomy and postoperative pain scores at home. Pediatric Anesthesia, 28(9), 803-812.
  2. 2 - Cohen, J. (2013). Statistical power analysis for the behavioral sciences. Academic press.
  3. 3 - Rabbitts, J. A., Palermo, T. M., Zhou, C., Meyyappan, A., & Chen, L. (2020). Psychosocial predictors of acute and chronic pain in adolescents undergoing major musculoskeletal surgery. The Journal of Pain, 21(11-12), 1236-1246.
  4. 4 - Rabbitts, J. A., Groenewald, C. B., Tai, G. G., & Palermo, T. M. (2015). Presurgical psychosocial predictors of acute postsurgical pain and quality of life in children undergoing major surgery. The Journal of Pain, 16(3), 226-234.

Table of excluded studies

Author and year

Reason for exclusion

Allen, 2020

Wrong O: duration of pain treatment

Bailey, 2021

Wrong study design: 3 pain trajectories as outcome

Beeckman, 2021

Wrong O: recovery trajectories in pain

Bhattacharyya, 2014

Wrong O: Acute Pain Revisits

Bortoluzzi, 2012

Wrong P: all patients (11-85 y), wrong I: no multivariate prognostic model

Cai, 2017

Wrong I: intraoperative variables and demographics

Chamie, 2008

Wrong I: intraoperative variables and postoperative medication use

Chidambaran, 2017

Wrong I: morphine consumption on postoperative days; wrong outcome: no performance of multivariate model reported

Cohen, 2020

Wrong I: no multivariate prognostic model (only BMI as predictor)

Connelly, 2014

Wrong O: pain trajectory; wrong study design: no performance reported of multivariate model

Crandall, 2009

Wrong study design: no multivariate prognostic model reported

Donaldson, 2020

Wrong I: intraoperative variables and postoperative medication use

Ferland, 2017

Wrong study design and outcome: no performance reported of prognostic model

Fortier, 2010

Wrong O: perioperative anxiety

Galai, 2020

Wrong I: procedure factors (number of biopsies, procedure duration, recovery duration)

Heary, 2020

Wrong study design: pain as predictor of psychosocial factors

Hwang, 2020

Wrong studey design: no results of factors in multivariate model reported, no performance of the models

Knoetze, 2020

Wrong I: no multivariate prognostic model (only caregiver anxiety as predictor)

Landman, 2011

Wrong I: no multivariate prognostic model (only univariate analyses)

Lanitis, 2015

Wrong P: adults, wrong I: no multivariate prognostic model

Martin, 2020

Wrong study design and outcome: no performance reported of prognostic model

Moura, 2021

Wrong I: only significant factors of multivariate model shown (no other covariates)

Nafiu, 2019

Wrong O: PACU administration of any
IV opioid

Ocay, 2020

Wrong study design: pain trajectory as predictor of long term outcomes

Pan, 2019

Wrong P: no children

Rabbitts, 2015b

Wrong study design: SR, whereby separate multilevel regression analyses outcomes were not reported (3 multivariate studies included: Connely, 2014; Rabbitts, 2015b)

Rabbitts, 2017

Wrong study design: pain trajectory as predictor of long term outcomes

Rabbitts, 2020

Wrong I: group of treatment as predictor, culture obturation, filling material

Rosenberg, 2017

Wrong O: analgesia receipt and parent preoperative anxiety

Silins, 2017

Wrong O: Morphine consumption at day 3

Voepel-Lewis, 2018

Wrong study design: association between symptom cluster and pain interference at 1 year, no performance score of model

Voepel-Lewis, 2017

Wrong study design: cluster analysis based on baseline symptoms

Vranceanu, 2010

Wrong P: adults

Zavras, 2015

Wrong O: postoperative anxiety

Autorisatiedatum en geldigheid

Laatst beoordeeld  : 10-05-2023

Laatst geautoriseerd  : 10-05-2023

Geplande herbeoordeling  :

Initiatief en autorisatie

Initiatief:
  • Nederlandse Vereniging voor Kindergeneeskunde
Geautoriseerd door:
  • Koninklijk Nederlands Genootschap voor Fysiotherapie
  • Nederlandse Vereniging voor Anesthesiologie
  • Nederlandse Vereniging voor Kindergeneeskunde
  • Verpleegkundigen en Verzorgenden Nederland
  • Nederlandse Vereniging voor Klinische Fysica
  • Nederlands Instituut van Psychologen
  • Nederlandse Vereniging van Huidtherapeuten
  • Stichting Kind en Ziekenhuis

Algemene gegevens

De ontwikkeling/herziening van deze richtlijnmodule werd ondersteund door het Kennisinstituut van de Federatie Medisch Specialisten (www.demedischspecialist.nl/kennisinstituut) en werd gefinancierd uit de Kwaliteitsgelden Medisch Specialisten (SKMS).

De financier heeft geen enkele invloed gehad op de inhoud van de richtlijnmodule.

Samenstelling werkgroep

Voor het ontwikkelen van de richtlijnmodule is in 2021 een multidisciplinaire werkgroep ingesteld, bestaande uit vertegenwoordigers van alle relevante specialismen (zie hiervoor de Samenstelling van de werkgroep) die betrokken zijn bij de zorg voor kinderen met pijn.

 

Kernwerkgroep

  • Drs. M.A. (Maarten) Mensink, kinderanesthesioloog en pijnarts, werkzaam in het Prinses Máxima Centrum voor Kinderoncologie te Utrecht, NVA, voorzitter
  • Drs. J.F. (Joanne) Goorhuis, algemeen kinderarts, werkzaam in het Medisch Spectrum Twente, NVK
  • Dr. F (Felix) Kreier, algemeen kinderarts, werkzaam in het OLVG te Amsterdam, NVK
  • Drs. M.S. (Sukru) Genco, algemeen kinderarts, werkzaam in het OLVG te Amsterdam, NVK
  • Dr. S.H. (Steven) Renes, anesthesioloog-pijnspecialist, werkzaam in het Radboud UMC te Nijmegen, NVA
  • Dr. P. (Petra) Honig-Mazer, psychotherapeut, werkzaam in het Erasmus MC Sophia te Rotterdam, PAZ/LVMP
  • Drs. M. (Marjorie) de Neef, kinder-IC verpleegkundige, werkzaam in het Amsterdam UMC, V&VN
  • R. (Rowy) Uitzinger, junior projectmanager en beleidsmedewerker, Stichting Kind en Ziekenhuis, tot 1 juni 2022
  • E.C. (Esen) Doganer, junior projectmanager en beleidsmedewerker, Stichting Kind en Ziekenhuis, vanaf 1 juni 2022

 

Werkgroep

  • Drs. L.A.M. (Lonneke) Aarts, algemeen kinderarts, werkzaam in het RadboudUMC Amalia kinderziekenhuis te Nijmegen, NVK
  • Prof. dr. W.J.E. (Wim) Tissing, kinderoncoloog, werkzaam in het UMCG te Groningen en Prinses Máxima Centrum te Utrecht, NVK
  • Prof. dr. S.N. (Saskia) de Wildt, kinderintensivist, werkzaam in het RadboudUMC te Nijmegen, NVK
  • Prof. dr. N.M. (Nico) Wulffraat, kinderreumatoloog, werkzaam in het UMC Utrecht te Utrecht, NVK
  • Drs. A.M. (Arine) Vlieger, algemeen kinderarts, werkzaam in het St. Antonius Ziekenhuis te Utrecht, NVK
  • Dr. S.H.P. (Sinno) Simons, kinderarts-neonatoloog, werkzaam in het Erasmus MC Sophia te Rotterdam, NVK
  • Drs. K. (Karina) Elangovan, kinderanesthesioloog, werkzaam in het Erasmus MC Sophia te Rotterdam, NVA
  • Dr. C.M.G. (Claudia) Keyzer – Dekker, kinderchirurg, werkzaam in het Erasmus MC Sophia te Rotterdam, NVvH
  • T. (Thirza) Schuerhoff, pedagogisch medewerker, werkzaam in het Prinses Máxima Centrum voor Kinderoncologie te Utrecht, Vakgroep Medische Pedagogische zorg
  • A.P. (Annette) van der Kaa, kinderfysiotherapeut, werkzaam in het Erasumc MC Sophia te Rotterdam, KNGF en NVFK

 

Klankbordgroep

  • Drs. J. (Judig) Blaauw, kinderrevalidatiearts, VRA
  • Dr. H. (Hanneke) Bruijnzeel, AIOS, werkzaam in het UMC Utrecht te Utrecht, NVKNO
  • Dr. A.M.J.W. (Anne-Marie) Scheepers, ziekenhuisapotheker, werkzaam in het MUMC te Maastricht, NVZA
  • Dr. S.A. (Sylvia) Obermann-Borst, ervaringsdeskundige ouder & huisarts-epidemioloog, Care4Neo (voorheen Vereniging van Ouders van Couveusekinderen - VOC) 
  • Dr. I.H. (Ilse) Zaal-Schuller, arts voor verstandelijk gehandicapten/kaderarts palliatieve zorg i.o., werkzaam bij Prinsenstichting Purmerend/ AmsterdamUMC locatie AMC, NVAVG
  • C. (Charlotte) Langemeijer, CliniClowns Nederland
  • M. (Miep) van der Doelen, CliniClowns Nederland
  • Dr. E. (Eva) Schaffrath, anesthesioloog, werkzaam in het Maastricht UMC te Maastricht, PROSA Kenniscentrum
  • M. (Mirjam) Jansen op de Haar, HME-MO Vereniging Nederland

 

Met ondersteuning van

  • Dr. J. (Janneke) Hoogervorst – Schilp, adviseur, Kennisinstituut van de Federatie Medisch Specialisten
  • Dr. C. (Cécile) Overman, adviseur, Kennisinstituut van de Federatie Medisch Specialisten

Belangenverklaringen

De Code ter voorkoming van oneigenlijke beïnvloeding door belangenverstrengeling is gevolgd. Alle werkgroepleden hebben schriftelijk verklaard of zij in de laatste drie jaar directe financiële belangen (betrekking bij een commercieel bedrijf, persoonlijke financiële belangen, onderzoeksfinanciering) of indirecte belangen (persoonlijke relaties, reputatiemanagement) hebben gehad. Gedurende de ontwikkeling of herziening van een module worden wijzigingen in belangen aan de voorzitter doorgegeven. De belangenverklaring wordt opnieuw bevestigd tijdens de commentaarfase.

 

Een overzicht van de belangen van (kern)werkgroepleden en klankbordgroepleden en het oordeel over het omgaan met eventuele belangen vindt u in onderstaande tabel. De ondertekende belangenverklaringen zijn op te vragen bij het secretariaat van het Kennisinstituut van de Federatie Medisch Specialisten.

 

Betrokkenen

Functie

Nevenfuncties

Gemelde belangen

Ondernomen actie

Werkgroep

Aarts

Algemeen kinderarts in het Amalia kinderziekenhuissinds november 2017

Interne functies onbetaald: 1. voorzitter Pijn werkgroep Amalia kinderziekenhuis. 2. Verbonden aan werkgroep procedurele sedatie bij kinderen. 3. Implementatie VR in Amalia.
Stage coördinator coschap kindergeneeskunde, tot 01-09-2020 betaalde functie intern. Onderzoek naar effect voor toepassing comfort talk technieken op de polikliniek Amalia. Onbetaald, vanuit betaalbaar beter project VGZ wel financiële ondersteuning gekregen, eenmalig.

Onderzoek naar effect comfort talk technieken; maar eenmalige subsidie gekregen voor uitvoer. Geen extern belang qua uitkomst.

Geen actie

Blaauw

Kinderrevalidatiearts

Geen

Geen

Geen actie

Bruijn, de (interim)
Neemt eenmalig deel 1e Kernwerkgroepverg. 6/7/2021

Kinderrevalidatiearts bij Revalidatie Friesland

Lid kwaliteitscommissie VRA (deels betaald, vacatiegeld)
Voorzitter landelijke werkgroep Chronische Pijn en vermoeidheid in de kinderrevalidatie, subwerkgroep van de kindersectie van de VRA (onbetaald)

Geen

Geen actie

Doelen

CliniClown bij stichting CliniClowns 28 uur per week
Onderzoeker bij stichting CliniClowns 8 uur per week, als onderzoeker van CliniClowns commissielid bij project Pijn bij Kinderen.

Bestuurslid theaterproducties Natuurtheater de Kersouwe in Heeswijk Dinther (onbetaald)

Hoofddoel van mijn bijdrage aan de werkgroep is de kennis en ervaring van CliniClowns in te zetten bij het geven van feedback op de gemaakte stukken.

Geen actie

Elangovan

Universitair medisch specialist Anesthesioloog-pijnspecialist; ErasmusMC

Geen

Geen

Geen actie

Genco

Kinderarts, OLVG, Amsterdam
Unitleider kindergeneeskunde

- Eigenaar Genco Med. Beheer B.V.
- GM BV is 100% aandeelhouder van de VATAN Kliniek B.V.
- dienstbetrekking GencoMed B.V. 0,1 fte, betaald
- voorzitter st. kindersedatie, onbetaald
- congres director PROSA procedurele sedatie en analgese congres, betaald.
- Voorzitter st. ontw. kindergeneeskunde OLVG, onbetaald

Directe belangen bij eigen B.V. maar geen relatie met de bezigheden  van de werkgroep.
Patenthouder van een medisch hulpmiddel voor het verrichten van circancisies, geen relatie met bezigheden van de werkgroep

Bijvangst van het project kan zijn: nieuwe kennis en ervaring om binnen onze organisatie te delen.

Geen actie

Goorhuis

Algemeen kinderarts - acute kindergeneeskunde
Medisch Spectrum Twente Enschede
100%

Geen

Geen

Geen actie

Haar, van der

Freelance consultant Moonshot

Bestuurslid HME-MO Vereniging Nederland

Geen

Geen actie

Kaa, van der

Kinderfysiotherapeut
Erasmus MC Sophia

-Docent Master Kinderfysiotherapie bij Breederode Hogeschool

- Universitair docent
Erasmus MC (2 uur per week)

-Kinderfysiotherapeut 1e lijn (Fysio van der Linden)

Geen

Geen actie

Keyzer-Dekker

Kinderchirurg Sophia Kinderziekenhuis ErasmusMC te Rotterdam

APLS instructeur SSHK Riel, dagvergoeding

Geen

Geen actie

Kreier

Kinderarts OLVG Amsterdam

Medeauteur en -oprichter “De hamster in je brein”
Faculty en lid wetenschappelijke bijraad PROSA

Geen

Geen actie

Mensink*

kinderanesthesioloog - pijnarts - Prinses Máxima Centrum voor kinderoncologie

Bestuurslid sectie Pijn&palliatieve geneeskunde NVA - onbetaalde functie
sectielid SKA-NVA - onbetaalde functie
voorzitter project Choosing Wisely Opioids NVA - onbetaalde functie
werkgroeplid Verstandig Gebruik Opioiden IVM/NVA/VWS - onbetaalde functie
commissielid programmacommissie Anesthesiologendagen - onbetaalde functie
Auteur richtlijnherziening Palliatieve zorg bij kinderen NVK/NVA - onbetaalde functie

Geen

Geen actie

Neef, de

Verpleegkundig onderzoeker, Kinder IC, Amsterdam UMC

Geen

Geen

Geen actie

Petra Honig-Mazer

Erasmus MC - Sophia Kinderziekenhuis  Afdeling Kinder- en Jeugdpsychiatrie/psychologie Unit Psychosociale Zorg Psychotherapeut BIG                                  

Kleine eigen praktijk: Praktijk voor Psychotherapie Honig-Mazer, betaald

Geen

Geen actie

Renes

Anesthesioloog-pijnspecialist Radboudumc

Kwaliteitsvisitaties Nederlandse Vereniging Anesthesiologie, vacatiegeld
Tijd voor verbinding VMS, vacatiegeld

Geen

Geen actie

Schuerhoff

Medisch Pedagogisch Zorgverlener
Prinses Maxima Centrum

Geen

Geen

Geen actie

Simons

Kinderarts - neonatoloog - klinisch farmacoloog (Universitair Medische Specialist)
Erasmus MC- Sophia

Lid geneesmiddelencommissie Erasmus MC (onbetaald)
Voorzitter pharmacology section European Society Pediatric research (onbetaald)
Lid NKFK (Kinderformularium redactie) (onkostenvergoeding)
Voorzitter Neonatal Pain Special interest group (onbetaald)

Geen

Geen actie

Tissing

Kinderoncoloog, Hoogleraar supportive care in de kinderoncologie. 0.6 fte Prinses Maxima Centrum, 0,4 fte UMCG

PI van onderzoek naar app over invloed van laagdrempelig contact op pijn bij patiënten met kanker.

Geen

Geen actie

Uitzinger

Junior Project manager en beleidsmedewerker Stichting kind en ziekenhuis

Geen

Geen

Geen actie

Vlieger

1. Kinderarts St Antonius ziekenhuis Nieuwegein

1. Les geven via Cure en Care en via het Prinses MAxima Centrum op het gebiedvan hypnose bij kinderen. Dit is betaald.
2. Mede -eigenaar van een klein bedrijfje Skills4Comfort waarbij wij les geven in ziekenhuizen op het gebied van non-farmacologische technieken om het comfort van patienten te verbeteren, mn tijdens procedures. Dit is uiteraard een betaalde functie.
3. Voorzitter Stichting Hypnose bij Kinderen. Dit is onbetaald.
4. Tot een paar maanden geleden was ik ook bestuurslid en mede-oprichter van de stichting Procedureel comfort bij Kinderen (Prosa)

Aangezien ik les geef op het gebied van non-farmacologische methoden om pijn en angst te voorkomen cq te behandelen kan ik daar theoretisch voordeel van ondervinden als nog meer afdelingen hun personeel geschoold wilt hebben in non-farmacologische technieken. in de richtlijn komen uiteraard geen namen van bedrijven te staan, dus ik verwacht geen evident voordeel.

Mijn mede eigenaars van het skills4comfort bedrijf. Overigens loopt dit al heel goed. Iedereen is gelukkig al overtuigd van het belang van het aanleren van positief taalgebruik, afleiden, echt contact maken en een vertrouwensband opbouwen.

Uitsluiten van besluitvorming voor modules over non-farmacologische pijnbestrijding. Mag wel meelezen.

Wildt, de

Kinderarts-intensivist, hoogleraar klinische farmacologie, Radboudumc
Kinderarts-onderzoeker, Erasmus MC (0.1 fte)

Directeur stichting Nederlands Kenniscentrum Farmacotherapie Kinderen (detachering
vanuit Radboudumc, betaald door stichting)
Directeur Kinderformularium BV (detachering vanuit Radboudumc, betaald door stichting)
Voorzitter Medisch Wetenschappelijke Adviesraad Kiddygoodpills (onbetaald)
Bestuurslid NVKFB (onbetaald)
Redactielid NTvG (farmacotherapie sectie, onbetaald)
Directeur PEDMED-NL (kindertrialnetwerk Nederland)
KNAW Van Walraven Fonds, Ter Meulen Fonds commissielid (onbetaald)
FMS Richtlijn Delier (betaald aan Radboudumc, vacatiegelden)

Patent: Gebruik van PENK voor nierfunctiebepaling bij kinderen (aangevraagd).

Bill and Melinda Gates Foundation: model-informed dosing for pediatric dosing
guidelines
EU IMI2 Conect4children: EU wide pediatric clinical trial network Kinderformularium BV heeft als doel, zonder winstoogmerk, om de doseeradviezen
van het Nederlandse kinderformularium, ook beschikbaar te stellen aan
buitenlandse, non profit (!) partijen. Dit gebeurt nu voor Noorwegen, Duitsland en Oostenrijk (overheid/ kinderziekenhuizen) Dit is goedgekeurd door het Min van VWS, de financier van het kinderformularium. De neodose doseringen helpen mee het
kinderformularium beter te maken, en daarmee aantrekkelijk voor andere non-profit partijen om aan te sluiten.

Geen actie

Wulffraat

Hoogleraar kinderimmunologie/reumatologie. UMCU

Voorzitter (coordinator) ERN-RITA (european reference network (onbetaald).

Onze vakgroep heeft zeer veel extern gefinancierd onderzoek. Er is geen direct belang van de financier bij deze richtlijn. Onderzoekslijn chronische pijn bij jeugdreuma is puur academisch. Mensink (aangesteld in PMC) is hier de promovendus. Ik ben de promotor.

Geen actie

Klankbordgroep

Bruijnzeel

Arts-assistent Keel-, Neus- en Oorheelkunde, UMC Utrecht

Kerngroep Pediatrie (KNO vereniging) - onbetaald
- Commissie PrevENT (KNO vereniging) - onbetaald
- Junior ESPO bestuur - onbetaald

Geen

Geen actie

Scheepers

ziekenhuisapotheker, Maastricht UMC+

Geen

Geen

Geen actie

Obermann-Borst

Coördinator Wetenschap bij Care4Neo 10 u per week
Huisarts - zelfstandige 18 u per week
docent Radboud UMC 8 uur per week

Coördinator Wetenschap bij Care4Neo 75% betaald/25% vrijwillig verzorgen van bijdrage vanuit patientenperspectief aan wetenschap, richtlijnen en kwaliteit van zorg namens de patientenvereniging voor ouders van en voor kinderen die te vroeg, te klein en/of ziek geboren zijn.

Huisarts - zelfstandige 18 u per week betaald
docent Radboud UMC 8uur/week EBM onderwijs bij huisartsopleiding

Geen

Geen actie

Zaal Schuller

Arts voor verstandelijk gehandicapten
Werkgever:
Prinsenstichting (Purmerend): 29 uur per week
Amsterdam UMC loc AMC: 2 uur per week

Arts voor verstandelijk gehandicapten, betaald.

Geen

Geen actie

Schaffrath

Kinderanesthesioloog MUMC

Faculty member PROSA (tegen dagvergoeding)
Spreker op diverse congresses (zonder vergoeding)

Geen

Geen actie

* Voorzitter

Inbreng patiëntenperspectief

Er werd aandacht besteed aan het patiëntenperspectief door afvaardiging van Stichting Kind en Ziekenhuis in de kernwerkgroep en Care4Neo, CliniClowns Nederland en HME-MO Vereniging Nederland in de klankbordgroep. Op verschillende momenten is input gevraagd tijdens een invitational conference en bij het opstellen van het raamwerk. Het verslag van de invitational conference [zie aanverwante producten] is besproken in de werkgroep. De verkregen input is meegenomen bij het opstellen van de uitgangsvragen, de keuze voor de uitkomstmaten en bij het opstellen van de overwegingen. De conceptrichtlijn is tevens voor commentaar voorgelegd aan de patiëntenorganisaties en de eventueel aangeleverde commentaren zijn bekeken en verwerkt.

Werkwijze

AGREE

Deze richtlijnmodule is opgesteld conform de eisen vermeld in het rapport Medisch Specialistische Richtlijnen 2.0 van de adviescommissie Richtlijnen van de Raad Kwaliteit. Dit rapport is gebaseerd op het AGREE II instrument (Appraisal of Guidelines for Research & Evaluation II; Brouwers, 2010).

 

Knelpuntenanalyse en uitgangsvragen

Voorafgaand aan de voorbereidende fase is een invitational conference georganiseerd over herkenning en behandeling van pijn binnen de kindzorg. Een verslag hiervan is opgenomen onder aanverwante producten. Daarnaast werd tijdens de voorbereidende fase van de richtlijn een schriftelijke knelpunteninventarisatie gehouden. Op basis van de uitkomsten van de knelpuntenanalyse zijn door de werkgroep concept-uitgangsvragen opgesteld en definitief vastgesteld.

 

Uitkomstmaten

Na het opstellen van de zoekvraag behorende bij de uitgangsvraag inventariseerde de werkgroep welke uitkomstmaten voor de patiënt relevant zijn, waarbij zowel naar gewenste als ongewenste effecten werd gekeken. Hierbij werd een maximum van acht uitkomstmaten gehanteerd. De werkgroep waardeerde deze uitkomstmaten volgens hun relatieve belang bij de besluitvorming rondom aanbevelingen, als cruciaal (kritiek voor de besluitvorming), belangrijk (maar niet cruciaal) en onbelangrijk. Tevens definieerde de werkgroep tenminste voor de cruciale uitkomstmaten welke verschillen zij klinisch (patiënt) relevant vonden.

 

Methode literatuursamenvatting

Een uitgebreide beschrijving van de strategie voor zoeken en selecteren van literatuur en de beoordeling van de risk-of-bias van de individuele studies is te vinden onder ‘Zoeken en selecteren’ onder Onderbouwing. De beoordeling van de kracht van het wetenschappelijke bewijs wordt hieronder toegelicht.

 

Beoordelen van de kracht van het wetenschappelijke bewijs

De kracht van het wetenschappelijke bewijs werd bepaald volgens de GRADE-methode. GRADE staat voor ‘Grading Recommendations Assessment, Development and Evaluation’ (zie https://www.gradeworkinggroup.org/). De basisprincipes van de GRADE-methodiek zijn: het benoemen en prioriteren van de klinisch (patiënt) relevante uitkomstmaten, een systematische review per uitkomstmaat, en een beoordeling van de bewijskracht per uitkomstmaat op basis van de acht GRADE-domeinen (domeinen voor downgraden: risk of bias, inconsistentie, indirectheid, imprecisie, en publicatiebias; domeinen voor upgraden: dosis-effect relatie, groot effect, en residuele plausibele confounding).

 

GRADE onderscheidt vier gradaties voor de kwaliteit van het wetenschappelijk bewijs: hoog, redelijk, laag en zeer laag. Deze gradaties verwijzen naar de mate van zekerheid die er bestaat over de literatuurconclusie, in het bijzonder de mate van zekerheid dat de literatuurconclusie de aanbeveling adequaat ondersteunt (Schünemann, 2013; Hultcrantz, 2017).

 

GRADE

Definitie

Hoog

  • er is hoge zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • het is zeer onwaarschijnlijk dat de literatuurconclusie klinisch relevant verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Redelijk

  • er is redelijke zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • het is mogelijk dat de conclusie klinisch relevant verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Laag

  • er is lage zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • er is een reële kans dat de conclusie klinisch relevant verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Zeer laag

  • er is zeer lage zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • de literatuurconclusie is zeer onzeker.

 

Bij het beoordelen (graderen) van de kracht van het wetenschappelijk bewijs in richtlijnen volgens de GRADE-methodiek spelen grenzen voor klinische besluitvorming een belangrijke rol (Hultcrantz, 2017). Dit zijn de grenzen die bij overschrijding aanleiding zouden geven tot een aanpassing van de aanbeveling. Om de grenzen voor klinische besluitvorming te bepalen moeten alle relevante uitkomstmaten en overwegingen worden meegewogen. De grenzen voor klinische besluitvorming zijn daarmee niet één op één vergelijkbaar met het minimaal klinisch relevant verschil (Minimal Clinically Important Difference, MCID). Met name in situaties waarin een interventie geen belangrijke nadelen heeft en de kosten relatief laag zijn, kan de grens voor klinische besluitvorming met betrekking tot de effectiviteit van de interventie bij een lagere waarde (dichter bij het nuleffect) liggen dan de MCID (Hultcrantz, 2017).

 

COSMIN

The COSMIN Risk of Bias tool was used to assess the quality of single studies for each measurement property. Thereby, the worst-score-counts method was used to determine the risk of bias, this means that the lowest rating given in a box determines the final rating, i.e. the quality of the study. The result of each study on a measurement property (figure 1) were rated against the updated criteria for good measurement properties (Table 1). Each result was rated as either sufficient (+), insufficient (–), or indeterminate (?).

 

Table 1. Criteria for good measurement properties (Mokkink, 2018)

Measurement property

Rating[1]

Criteria

Structural validity

+

CTT:

CFA: CFI or TLI or comparable measure >0.95 OR RMSEA <0.06 OR SRMR <0.08[2]

IRT/Rasch:

No violation of unidimensionality[3]: CFI or TLI or comparable measure >0.95 OR RMSEA <0.06 OR SRMR <0.08

AND

no violation of local independence: residual correlations among the items after controlling for the dominant factor < 0.20 OR Q3's < 0.37

AND

no violation of monotonicity: adequate looking graphs OR item scalability >0.30

AND

adequate model fit:

IRT: χ2 >0.01

Rasch: infit and outfit mean squares ≥ 0.5 and ≤ 1.5 OR Z-standardized values > ‐2 and <2

?

CTT: Not all information for ‘+’ reported

IRT/Rasch: Model fit not reported

-

Criteria for ‘+’ not met

Internal consistency

+

At least low evidence[4] for sufficient structural validity[5] AND

Cronbach's alpha(s) ≥ 0.70 for each unidimensional scale or Subscale.[6]

?

Criteria for “At least low evidence for sufficient structural validity” not met

-

At least low evidence4 for sufficient structural validity5 AND

Cronbach’s alpha(s) < 0.70 for each unidimensional scale or Subscale.6

Reliability

+

ICC or weighted Kappa ≥ 0.70

?

ICC or weighted Kappa not reported

-

ICC or weighted Kappa < 0.70

Measurement error

+

SDC or LoA < MIC

?

MIC not defined

-

SDC or LoA > MIC

Hypotheses testing for

construct validity

+

The result is in accordance with the hypothesis[7]

?

No hypothesis defined (by the review team)

-

The result is not in accordance with the hypothesis

Cross‐cultural

validity\measurement

invariance

+

No important differences found between group factors (such as age, gender, language) in multiple group factor analysis OR no important DIF for group factors (McFadden's R2 < 0.02)

?

No multiple group factor analysis OR DIF analysis performed

-

Important differences between group factors OR DIF was found

Criterion validity

+

Correlation with gold standard ≥ 0.70 OR AUC ≥ 0.70

?

Not all information for ‘+’ reported

-

Correlation with gold standard < 0.70 OR AUC < 0.70

Responsiveness

+

The result is in accordance with the hypothesis OR AUC ≥ 0.70

?

No hypothesis defined (by the review team)

-

The result is not in accordance with the hypothesis OR AUC < 0.70

AUC: area under the curve, CFA: confirmatory factor analysis, CFI: comparative fit index, CTT: classical test theory, DIF: differential item functioning, ICC: intraclass correlation coefficient, IRT: item response theory, LoA: limits of agreement, MIC: minimal important change, RMSEA: Root Mean Square Error of Approximation, SEM: Standard Error of Measurement, SDC: smallest detectable change, SRMR: Standardized Root Mean Residuals, TLI = Tucker‐Lewis Index


[1] “+” = sufficient, ” –“ = insufficient, “?” = indeterminate

[2] To rate the quality of the summary score, the factor structures should be equal across studies

[3] unidimensionality refers to a factor analysis per subscale, while structural validity refers to a factor analysis of a (multidimensional) patient‐reported outcome measure

[4] As defined by grading the evidence according to the GRADE approach

[5] This evidence may come from different studies

[6] The criteria ‘Cronbach alpha < 0.95’ was deleted, as this is relevant in the development phase of a PROM and not when evaluating an existing PROM.

[7] The results of all studies should be taken together and it should then be decided if 75% of the results are in accordance with the hypotheses

 

Figure 1. The COSMIN taxonomy of measurement properties (www.cosmin.nl)

 

The level of evidence of the literature was evaluated as described in the COSMIN user manual for systematic reviews of patient-reported outcome measures (Mokkink, 2018). The following four factors were taken into account: (1) risk of bias (i.e. the methodological quality of the studies), (2) inconsistency (i.e. unexplained inconsistency of results across studies), (3) imprecision (i.e. total sample size of the available studies), and (4) indirectness (i.e. evidence from different populations than the population of interest in the review). The quality of evidence could be downgraded with one level (e.g. from high to moderate evidence) if there is serious risk of bias, with two levels (e.g. from high to low) if there is very serious risk of bias, or with three levels (i.e. from high to very low) if there is extremely risk of bias. The quality of the evidence could be downgraded with one or two levels for inconsistency, imprecision (-1 if total N=50-100; -2 if total N<50) and indirectness.

 

Overwegingen (van bewijs naar aanbeveling)

Om te komen tot een aanbeveling zijn naast (de kwaliteit van) het wetenschappelijke bewijs ook andere aspecten belangrijk en worden meegewogen, zoals aanvullende argumenten uit bijvoorbeeld de biomechanica of fysiologie, waarden en voorkeuren van patiënten, kosten (middelenbeslag), aanvaardbaarheid, haalbaarheid en implementatie. Deze aspecten zijn systematisch vermeld en beoordeeld (gewogen) onder het kopje ‘Overwegingen’ en kunnen (mede) gebaseerd zijn op expert opinion. Hierbij is gebruik gemaakt van een gestructureerd format gebaseerd op het evidence-to-decision framework van de internationale GRADE Working Group (Alonso-Coello, 2016a; Alonso-Coello 2016b). Dit evidence-to-decision framework is een integraal onderdeel van de GRADE-methodiek.

 

Formuleren van aanbevelingen

De aanbevelingen geven antwoord op de uitgangsvraag en zijn gebaseerd op het beschikbare wetenschappelijke bewijs en de belangrijkste overwegingen, en een weging van de gunstige en ongunstige effecten van de relevante interventies. De kracht van het wetenschappelijk bewijs en het gewicht dat door de werkgroep wordt toegekend aan de overwegingen, bepalen samen de sterkte van de aanbeveling. Conform de GRADE-methodiek sluit een lage bewijskracht van conclusies in de systematische literatuuranalyse een sterke aanbeveling niet a priori uit, en zijn bij een hoge bewijskracht ook zwakke aanbevelingen mogelijk (Agoritsas, 2017; Neumann, 2016). De sterkte van de aanbeveling wordt altijd bepaald door weging van alle relevante argumenten tezamen. De werkgroep heeft bij elke aanbeveling opgenomen hoe zij tot de richting en sterkte van de aanbeveling zijn gekomen.

 

In de GRADE-methodiek wordt onderscheid gemaakt tussen sterke en zwakke (of conditionele) aanbevelingen. De sterkte van een aanbeveling verwijst naar de mate van zekerheid dat de voordelen van de interventie opwegen tegen de nadelen (of vice versa), gezien over het hele spectrum van patiënten waarvoor de aanbeveling is bedoeld. De sterkte van een aanbeveling heeft duidelijke implicaties voor patiënten, behandelaars en beleidsmakers (zie onderstaande tabel). Een aanbeveling is geen dictaat, zelfs een sterke aanbeveling gebaseerd op bewijs van hoge kwaliteit (GRADE gradering HOOG) zal niet altijd van toepassing zijn, onder alle mogelijke omstandigheden en voor elke individuele patiënt.

 

Implicaties van sterke en zwakke aanbevelingen voor verschillende richtlijngebruikers

 

Sterke aanbeveling

Zwakke (conditionele) aanbeveling

Voor patiënten

De meeste patiënten zouden de aanbevolen interventie of aanpak kiezen en slechts een klein aantal niet.

Een aanzienlijk deel van de patiënten zouden de aanbevolen interventie of aanpak kiezen, maar veel patiënten ook niet. 

Voor behandelaars

De meeste patiënten zouden de aanbevolen interventie of aanpak moeten ontvangen.

Er zijn meerdere geschikte interventies of aanpakken. De patiënt moet worden ondersteund bij de keuze voor de interventie of aanpak die het beste aansluit bij zijn of haar waarden en voorkeuren.

Voor beleidsmakers

De aanbevolen interventie of aanpak kan worden gezien als standaardbeleid.

Beleidsbepaling vereist uitvoerige discussie met betrokkenheid van veel stakeholders. Er is een grotere kans op lokale beleidsverschillen.  

 

Organisatie van zorg

In de knelpuntenanalyse en bij de ontwikkeling van de richtlijnmodule is expliciet aandacht geweest voor de organisatie van zorg: alle aspecten die randvoorwaardelijk zijn voor het verlenen van zorg (zoals coördinatie, communicatie, (financiële) middelen, mankracht en infrastructuur). Randvoorwaarden die relevant zijn voor het beantwoorden van deze specifieke uitgangsvraag zijn genoemd bij de overwegingen. Meer algemene, overkoepelende, of bijkomende aspecten van de organisatie van zorg worden behandeld in de module Organisatie van zorg.

 

Commentaar- en autorisatiefase

De conceptrichtlijnmodule werd aan de betrokken (wetenschappelijke) verenigingen en (patiënt) organisaties voorgelegd ter commentaar. De commentaren werden verzameld en besproken met de werkgroep. Naar aanleiding van de commentaren werd de conceptrichtlijnmodule aangepast en definitief vastgesteld door de werkgroep. De definitieve richtlijnmodule werd aan de deelnemende (wetenschappelijke) verenigingen en (patiënt) organisaties voorgelegd voor autorisatie en door hen geautoriseerd dan wel geaccordeerd.

 

Literatuur

Agoritsas T, Merglen A, Heen AF, Kristiansen A, Neumann I, Brito JP, Brignardello-Petersen R, Alexander PE, Rind DM, Vandvik PO, Guyatt GH. UpToDate adherence to GRADE criteria for strong recommendations: an analytical survey. BMJ Open. 2017 Nov 16;7(11):e018593. doi: 10.1136/bmjopen-2017-018593. PubMed PMID: 29150475; PubMed Central PMCID: PMC5701989.

 

Alonso-Coello P, Schünemann HJ, Moberg J, Brignardello-Petersen R, Akl EA, Davoli M, Treweek S, Mustafa RA, Rada G, Rosenbaum S, Morelli A, Guyatt GH, Oxman AD; GRADE Working Group. GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 1: Introduction. BMJ. 2016 Jun 28;353:i2016. doi: 10.1136/bmj.i2016. PubMed PMID: 27353417.

 

Alonso-Coello P, Oxman AD, Moberg J, Brignardello-Petersen R, Akl EA, Davoli M, Treweek S, Mustafa RA, Vandvik PO, Meerpohl J, Guyatt GH, Schünemann HJ; GRADE Working Group. GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 2: Clinical practice guidelines. BMJ. 2016 Jun 30;353:i2089. doi: 10.1136/bmj.i2089. PubMed PMID: 27365494.

 

Brouwers MC, Kho ME, Browman GP, Burgers JS, Cluzeau F, Feder G, Fervers B, Graham ID, Grimshaw J, Hanna SE, Littlejohns P, Makarski J, Zitzelsberger L; AGREE Next Steps Consortium. AGREE II: advancing guideline development, reporting and evaluation in health care. CMAJ. 2010 Dec 14;182(18):E839-42. doi: 10.1503/cmaj.090449. Epub 2010 Jul 5. Review. PubMed PMID: 20603348; PubMed Central PMCID: PMC3001530.

 

Hultcrantz M, Rind D, Akl EA, Treweek S, Mustafa RA, Iorio A, Alper BS, Meerpohl JJ, Murad MH, Ansari MT, Katikireddi SV, Östlund P, Tranæus S, Christensen R, Gartlehner G, Brozek J, Izcovich A, Schünemann H, Guyatt G. The GRADE Working Group clarifies the construct of certainty of evidence. J Clin Epidemiol. 2017 Jul;87:4-13. doi: 10.1016/j.jclinepi.2017.05.006. Epub 2017 May 18. PubMed PMID: 28529184; PubMed Central PMCID: PMC6542664.

 

Medisch Specialistische Richtlijnen 2.0 (2012). Adviescommissie Richtlijnen van de Raad Kwalitieit. http://richtlijnendatabase.nl/over_deze_site/over_richtlijnontwikkeling.html

 

Neumann I, Santesso N, Akl EA, Rind DM, Vandvik PO, Alonso-Coello P, Agoritsas T, Mustafa RA, Alexander PE, Schünemann H, Guyatt GH. A guide for health professionals to interpret and use recommendations in guidelines developed with the GRADE approach. J Clin Epidemiol. 2016 Apr;72:45-55. doi: 10.1016/j.jclinepi.2015.11.017. Epub 2016 Jan 6. Review. PubMed PMID: 26772609.

 

Schünemann H, Brożek J, Guyatt G, et al. GRADE handbook for grading quality of evidence and strength of recommendations. Updated October 2013. The GRADE Working Group, 2013. Available from http://gdt.guidelinedevelopment.org/central_prod/_design/client/handbook/handbook.html.

 

Schünemann HJ, Oxman AD, Brozek J, Glasziou P, Jaeschke R, Vist GE, Williams JW Jr, Kunz R, Craig J, Montori VM, Bossuyt P, Guyatt GH; GRADE Working Group. Grading quality of evidence and strength of recommendations for diagnostic tests and strategies. BMJ. 2008 May 17;336(7653):1106-10. doi: 10.1136/bmj.39500.677199.AE. Erratum in: BMJ. 2008 May 24;336(7654). doi: 10.1136/bmj.a139.

 

Schünemann, A Holger J [corrected to Schünemann, Holger J]. PubMed PMID: 18483053; PubMed Central PMCID: PMC2386626.

 

Wessels M, Hielkema L, van der Weijden T. How to identify existing literature on patients' knowledge, views, and values: the development of a validated search filter. J Med Libr Assoc. 2016 Oct;104(4):320-324. PubMed PMID: 27822157; PubMed Central PMCID: PMC5079497.

Zoekverantwoording

Zoekacties zijn opvraagbaar. Neem hiervoor contact op met de Richtlijnendatabase.

Volgende:
Screeningtools chronische pijn