MétaCan
Menu
Retour à la cohorte
Enregistrement W1945710635 · doi:10.12968/bjon.2015.24.9.484

Managing pain medications in long-term care: nurses' views

2015· article· en· W1945710635 sur OpenAlexafffundabout
Sharon Kaasalainen, Gina Agarwal, Lisa Dolovich, Kevin Brazil, Αλεξάνδρα Παπαϊωάννου

Notice bibliographique

RevueBritish Journal of Nursing · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensMcMaster UniversityHealth Sciences Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineNursingNarcoticLong-term careAddictionFamily medicineContinuing educationPsychiatryMedical education

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to explore nurses' perceptions of their current practices related to administering pain medications to long-term care (LTC) residents. A cross-sectional survey design was used, including both quantitative and open-ended questions. Data were collected from 165 nurses (59% response rate) at nine LTC homes in southern Ontario, Canada. The majority (85%) felt that the medication administration system was adequate to help them manage residents' pain and 98% felt comfortable administering narcotics. In deciding to administer a narcotic, nurses were influenced by pain assessments, physician orders, diagnosis, past history, effectiveness of non-narcotics and fear of making dosage miscalculations or developing addictions. Finally, most nurses stated that they trusted the physicians and pharmacists to ensure orders were safe. These findings highlight nurses' perceptions of managing pain medications in LTC and related areas where continuing education initiatives for nurses are needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,341
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBritish Journal of NursingMême sujetPain Management and Opioid UseTravaux en français237 207