Pain in hospitalized children: Effect of a multidimensional knowledge translation strategy on pain process and clinical outcomes
Notice bibliographique
Résumé
Hospitalized children frequently receive inadequate pain assessment and management despite substantial evidence to support effective pediatric pain practices. The objective of this study was to determine the effect of a multidimensional knowledge translation intervention, Evidence-based Practice for Improving Quality (EPIQ), on procedural pain practices and clinical outcomes for children hospitalized in medical, surgical and critical care units. A prospective cohort study compared 16 interventions using EPIQ and 16 standard care (SC) units in 8 Canadian pediatric hospitals. Chart reviews at baseline (time 1) and intervention completion (time 2) determined the nature and frequency of painful procedures and of pain assessment and pain management practices. Trained pain experts evaluated pain intensity 6 months post-intervention (time 3) during routine, scheduled painful procedures. Generalized estimating equation models compared changes in outcomes between EPIQ and SC units over time. EPIQ units used significantly more validated pain assessment tools (P<0.001) and had a greater proportion of patients who received analgesics (P=0.03) and physical pain management strategies (P=0.02). Mean pain intensity scores were significantly lower in the EPIQ group (P=0.03). Comparisons of moderate (4-6/10) and severe (7-10/10) pain, controlling for child and unit level factors, indicated that the odds of having severe pain were 51% less for children in the EPIQ group (adjusted OR: 0.49, 95% CI: 0.26-0.83; P=0.009). EPIQ was effective in improving practice and clinical outcomes for hospitalized children. Additional exploration of the influence of contextual factors on research use in hospital settings is required to explain the variability in pain processes and clinical outcomes.
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 | 0,021 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».