The Effects of Massage Therapy on Pain Management in the Acute Care Setting
Notice bibliographique
Résumé
BACKGROUND: Pain management remains a critical issue for hospitals and is receiving the attention of hospital accreditation organizations. The acute care setting of the hospital provides an excellent opportunity for the integration of massage therapy for pain management into the team-centered approach of patient care. PURPOSE AND SETTING: This preliminary study evaluated the effect of the use of massage therapy on inpatient pain levels in the acute care setting. The study was conducted at Flagstaff Medical Center in Flagstaff, Arizona-a nonprofit community hospital serving a large rural area of northern Arizona. METHOD: A convenience sample was used to identify research participants. Pain levels before and after massage therapy were recorded using a 0 - 10 visual analog scale. Quantitative and qualitative methods were used for analysis of this descriptive study. PARTICIPANTS: Hospital inpatients (n = 53) from medical, surgical, and obstetrics units participated in the current research by each receiving one or more massage therapy sessions averaging 30 minutes each. The number of sessions received depended on the length of the hospital stay. RESULT: Before massage, the mean pain level recorded by the patients was 5.18 [standard deviation (SD): 2.01]. After massage, the mean pain level was 2.33 (SD: 2.10). The observed reduction in pain was statistically significant: paired samples t(52) = 12.43, r = .67, d = 1.38, p < .001. Qualitative data illustrated improvement in all areas, with the most significant areas of impact reported being overall pain level, emotional well-being, relaxation, and ability to sleep. CONCLUSIONS: This study shows that integration of massage therapy into the acute care setting creates overall positive results in the patient's ability to deal with the challenging physical and psychological aspects of their health condition. The study demonstrated not only significant reduction in pain levels, but also the interrelatedness of pain, relaxation, sleep, emotions, recovery, and finally, the healing process.
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 | 0,002 | 0,009 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».