A normative analysis of the development of pain-related vocabulary in children
Notice bibliographique
Résumé
Effective verbalization of pain requires progressive cognitive development and acquisition of social communication skills. Use of self-report in pediatric pain assessment assumes children have acquired a capacity to understand and use common words to describe pain. The current investigation documented the language most commonly used by young children to describe pain and the age of onset of use of these words. Two complementary research methodologies were employed. Study 1 used the CHILDES database, an aggregated transcript database of multiple research studies examining spontaneous speech development across childhood. Transcripts of 14 randomly selected studies, yielding a total of 245 child participants ranging in age from 1 to 9 years, were searched for seven English primary pain word-stems: 'ache', 'boo-boo', 'hurt', 'ouch', 'ow', 'pain', and 'sore'. Study 2 surveyed 111 parents of children aged 3 to 6 years old concerning words the children commonly used for pain. Parents rated their children's frequency and age of first use of the seven pain word-stems. Both studies indicated that the most frequently used word-stems were 'hurt', 'ouch', and 'ow'. These words first emerged in children's vocabularies as early as 18 months of age. The word-stem 'pain' was used relatively infrequently and gradually emerged in children's vocabularies. The findings indicate that young children rely on a select number of words to describe pain, with these words appearing in children's vocabularies at an early age. These results have implications for developmentally appropriate pain assessment in young children.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».