Pain behaviors observed during six common procedures: Results from Thunder Project II*
Notice bibliographique
Résumé
OBJECTIVE: Patients frequently display behaviors during procedures that may be pain related. Clinicians often rely on the patient's demonstration of behaviors as a cue to presence of pain. The purpose of this study was to identify specific pain-related behaviors and factors that predict the degree of behavioral responses during the following procedures: turning, central venous catheter insertion, wound drain removal, wound care, tracheal suctioning, and femoral sheath removal. DESIGN: Prospective, descriptive study. SETTING: Multiple units in 169 hospitals in United States, Canada, England, and Australia. PATIENTS: A total of 5,957 adult patients who underwent one of the six procedures. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: A 30-item behavior observation tool was used to note patients' behaviors before and during a procedure. By comparing behaviors exhibited before and during the procedure as well as behaviors in those with and without procedural pain (as noted on a 0-10 numeric rating scale), we identified specific procedural pain behaviors: grimacing, rigidity, wincing, shutting of eyes, verbalization, moaning, and clenching of fists. On average, there were significantly more behaviors exhibited by patients with vs. without procedural pain (3.5 vs. 1.8 behaviors; t = 38.3, df = 5072.5; 95% confidence interval, 1.6-1.8). Patients with procedural pain were at least three times more likely to have increased behavioral responses than patients without procedural pain. A simultaneous regression model determined that 33% of the variance in amount of pain behaviors exhibited during a procedure was explained by three factors: degree of procedural pain intensity, degree of procedural distress, and undergoing the turning procedure. CONCLUSIONS: Because of the strong relationship between procedural pain and behavioral responses, clinicians can use behavioral responses of verbal and nonverbal patients to plan for, implement, and evaluate analgesic interventions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».