A Controlled Investigation of Continuing Pain Education for Long‐Term Care Staff
Notice bibliographique
Résumé
BACKGROUND: The underassessment and undertreatment of pain in residents of long-term care (LTC) facilities has been well documented. Gaps in staff knowledge and inaccurate beliefs have been identified as contributors. OBJECTIVES: To investigate the effectiveness of an expert-based continuing education program in pain assessment⁄management for LTC staff. METHODS: Participants included 131 LTC staff members who were randomly assigned to either an interactive pain education (PE) program, which addressed gaps in knowledge such as medication management, or an interactive control program consisting of general dementia education without a specific clinical focus. Participants attended three sessions, each lasting 3 h, and completed measures of pain-related knowledge and attitudes⁄beliefs before, immediately after and two weeks following the program. Focus groups were conducted with a subset of participants to gauge perception of the training program and barriers to implementing pain-related strategies. RESULTS: Analysis using ANOVA revealed that PE participants demonstrated larger gains compared with control participants with regard to pain knowledge and pain beliefs. Barriers to implementing pain-related strategies certainly exist. Nonetheless, qualitative analyses demonstrated that PE participants reported that they overcame many of these barriers and used pain management strategies four times more frequently than control participants. CONCLUSIONS: Contrary to previous research, the present study found that the interactive PE program was effective in changing pain beliefs and improving knowledge. Continuing PE in LTC has the potential to address knowledge gaps among front-line LTC providers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».