Pain: A quality of care issue during patients' admission to hospital
Notice bibliographique
Résumé
AIM: To determine the extent of clinically significant pain suffered by hospitalized patients during their stay and at discharge. BACKGROUND: The management of pain in hospitals continues to be problematic, despite long-standing awareness of the problem and improvements, e.g. acute pain teams and patient-controlled analgesia, epidural analgesia. Poorly managed pain, especially acute pain, often leads to adverse physical and psychological outcomes including persistent pain and disability. A systems approach may improve the management of pain in hospitals. DESIGN: A descriptive cross-sectional exploratory design. METHOD: A large electronic pain score database of vital signs and pain scores was interrogated between 1st January 2010 and 31st December 2010 to establish the proportion of hospital inpatient stays with clinically significant pain during the hospital stay and at discharge. FINDINGS: A total of 810,774 pain scores were analysed, representing 38,451 patient stays. Clinically significant pain was present in 38·4% of patient stays. Across surgical categories, 54·0% of emergency admissions experienced clinically significant pain, compared with 48·0% of elective admissions. Medical areas had a summary figure of 26·5%. For 30% patients, clinically significant pain was followed by a consecutive clinically significant pain score. Only 0·2% of pain assessments were made independently of vital signs. CONCLUSION: Reducing the risk of long-term persistent pain should be seen as integral to improving patient safety and can be achieved by harnessing organizational pain management processes with quality improvement initiatives. The assessment of pain alongside vital signs should be reviewed. Setting quality targets for pain are essential for improving the patient's experience.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».