Emergence delirium, pain or both? a challenge for clinicians
Notice bibliographique
Résumé
BACKGROUND: Children commonly display early postoperative negative behavior (e-PONB) after general anesthesia, which includes emergence delirium (ED), discomfort, temperament, and pain. However, it is often difficult for the caregiver to discriminate between various aspects of e-PONB. OBJECTIVE: This prospective observational study evaluates the possibility to distinguish between ED and pain in young children using validated pediatric observational scales in the early postoperative phase. METHODS: Following institutional approval and written consent, children undergoing elective adenoidectomy and/or tonsillectomy were enrolled. Following standardized anesthesia, two trained observers simultaneously evaluated children's behavior with the Paediatric Anaesthesia Emergence Delirium Scale (PAED) and with the Face, Legs, Activity, Cry, Consolability scale (FLACC) at extubation, and at 5, 10, and 15 min. RESULTS: Of 150 children that completed the study, 32 (21%) had ED, 7 (5%) had pain, and 98 (65%) had simultaneously both ED and pain. The association of 'No eye contact', 'No purposeful action' and 'No awareness of surroundings' (ED1) had a sensitivity of 0.96 and a specificity of 0.80 (PPV 0.97, NPV 0.78) to identify ED. 'Inconsolability' and 'Restlessness' (ED2) had a sensitivity of 0.69 and a specificity of 0.88 (PPV 0.83 and NPV 0.78) to identify pain. CONCLUSION: It is difficult to differentiate between ED and pain using FLACC and PAED scores. 'No eye contact', 'No purposeful action', and 'No awareness of surroundings' significantly correlated with ED. 'Inconsolability' and 'Restlessness' are not reliable enough to identify pain or ED in the first 15 min after awakening.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».