Testing an Educational Nursing Intervention for Pain Assessment and Management in Older People
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to examine the effectiveness of a structured educational nursing intervention on pain assessment and management in older hospitalized people. DESIGN: A non-equivalent control group interventional design. SETTING: Geriatric evaluation and management units in two metropolitan Australian hospitals. PATIENTS: In total, 192 patients participated, with 32 different patients recruited consecutively for the pre-intervention, intervention, and 3-month post-intervention stages from each unit. INTERVENTIONS: Nurses in the intervention group received a structured intervention comprising 6 hours of instruction and 2 hours of clinical demonstration. Nurses in the control group received "usual" staff development activities. OUTCOME MEASURES: Five assessment tools for pain were used: the visual analog scale, the Faces Pain Scale-Revised, the Short-Form McGill Pain Questionnaire, the Pain Assessment in Advanced Dementia Tool, and the Abbey Pain Scale. Data were also collected on nurses' use of pain assessment tools and their use of non-pharmacological and pharmacological methods of managing pain. RESULTS: Improvements were observed in pain intensity at rest and on movement in the intervention unit at the post-intervention stage and at the 3-month post-intervention stage. There was also a trend for patients to be prescribed analgesics on a fixed dose schedule following implementation of the program in the intervention unit. CONCLUSIONS: The comprehensive intervention enabled change in practice and improvements in pain intensity, and the assessment and management of pain. Future research is needed on implementing the intervention with a multidisciplinary team of health professionals in a subacute environment.
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 | 0,005 | 0,000 |
| 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 ».