Notice bibliographique
Résumé
OBJECTIVE: Multiple studies conducted over many years have demonstrated that pain is poorly managed in the emergency department (ED). This phenomenon has been referred to in the medical literature as "oligoanalgesia." However, little is known about whether oligoanalgesia occurs in a rural ED. National Ambulatory Care Reporting System data from 2003 for a small rural hospital in Ontario showed patients were satisfied with the amount of pain medicine they received in the ED. We designed a study to replicate a published urban study that investigated the use of analgesia in isolated lower limb injuries. Our objective was to see if oligoanalgesia was also a problem in a rural ED. METHODS: In 2003 we conducted a retrospective chart review of patients who presented to the South Huron Hospital ED with isolated lower extremity injuries for which radiographs of the foot, ankle or both were obtained. Demographics of the ED patients with lower extremity injuries were quantified. Other parametres included whether or not patients received analgesia in the ED; how long it took to get assessed, treated and discharged; whether patients received any analgesia upon discharge; what type of analgesia they received; and whether it required a prescription. RESULTS: A total of 189 patients met inclusion criteria, with 35 fractures identified (18.5%). Sixty-three percent of patients were male. The average age was 32.6 years. The mean Canadian Emergency Department Triage and Acuity Scale level was 4.4. The mean time to physician assessment was 31.6 minutes. The mean length of time spent in the ED was 74 minutes. Over one-half of the patients received analgesia upon discharge from the ED whether or not they had a fracture. In addition, 73% of the people in the fracture group received analgesia requiring a prescription, versus only 46% in the nonfracture group. Narcotics were used more often in the fracture group than in the nonfracture group (26% v. 6%). CONCLUSION: The phenomenon of oligoanalgesia was not observed as often in our rural ED for isolated lower limb injuries, when compared with the published urban study.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,004 | 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 ».