MétaCan
Menu
Retour à la cohorte
Enregistrement W2151771360 · doi:10.1111/pme.12610

Text Messaging Reduces Analgesic Requirements During Surgery

2014· article· en· W2151771360 sur OpenAlexaffabout
Jamie Guillory, Jeffrey T. Hancock, Christopher Woodruff, Jeffrey Keilman

Notice bibliographique

RevuePain Medicine · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDistractionOddsMedicinePerioperativeAnalgesicOdds ratioAnesthesiaFentanylLogistic regressionInternal medicinePsychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study aims to determine whether communicating via short message service text message during surgery procedures leads to decreased intake of fentanyl for patients receiving regional anesthesia below the waist compared with a distraction condition and no intervention. METHODS: Ninety-eight patients receiving regional anesthesia for minor surgeries were recruited from a hospital in Montreal, QC, between January and March 2012. Patients were randomly assigned to text message with a companion, text message with a stranger, play a distracting mobile phone game, or receive standard perioperative management. Participants who were asked to text message or play a game did so before receiving the anesthetic and continued until the end of the procedure. RESULTS: The odds of receiving supplemental analgesia during surgery for patients receiving standard perioperative management were 6.77 (P=0.009; N=13/25) times the odds for patients in the text a stranger condition (N=22/25 of patients), 4.39 times the odds for those in the text a companion condition (P=0.03; N=19/23), and 1.96 times the odds for those in the distraction condition (P=0.25; N=17/25). CONCLUSION: Text messaging during surgery provides analgesic-sparing benefits that surpass distraction techniques, suggesting that mobile phones provide new opportunities for social support to improve patient comfort and reduce analgesic requirements during minor surgeries and in other clinical settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,430
Écart entre enseignants0,360 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePain MedicineMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207