Evaluation of the Bonapace Method: a specific educational intervention to reduce pain during childbirth
Notice bibliographique
Résumé
OBJECTIVE: As pain during childbirth is very intense, several educational programs exist to help women prepare for the event. This study evaluates the efficacy of a specific pain management program, the Bonapace Method (BM), to reduce the perception of pain during childbirth. The BM involves the father, or a significant partner, in the use of several pain control techniques based on three neurophysiological pain modulation models: (1) controlling the central nervous system through breathing, relaxation, and cognitive structuring; (2) using non-painful stimuli as described in the Gate Control Theory; and (3) recruiting descending inhibition by hyperstimulation of acupressure trigger points. METHODS: A multicenter case control study in Quebec on pain perception during labor and delivery compared traditional childbirth training programs (TCTPs) and the BM. Visual analog scales were used to measure pain perception during labor. In all, 25 women (TCTP: n = 12; BM: n = 13) successfully reported their perceptions of pain intensity and unpleasantness every 15 minutes. RESULTS: A POSITIVE CORRELATION BETWEEN THE PROGRESSION OF LABOR AND PAIN WAS FOUND (PAIN INTENSITY: P < 0.01; pain unpleasantness: P < 0.01). When compared to TCTP, the BM showed an overall significant lower pain perception for both intensity (45%; P < 0.01) and unpleasantness (46%; P < 0.01). CONCLUSION: These significant differences in pain perception between TCTP and the BM suggest that the emphasis on pain modulation models and techniques during labor combined with the active participation of a partner in BM are important variables to be added to the traditional childbirth training programs for childbirth pain management.
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 | 0,042 | 0,004 |
| 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) | 0,004 | 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 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 ».