Health Care Professionals’ Pain Narratives in Hospitalized Children’s Medical Records. Part 1: Pain Descriptors
Notice bibliographique
Résumé
BACKGROUND: Although documentation of children's pain by health care professionals is frequently undertaken, few studies have explored the nature of the language used to describe pain in the medical records of hospitalized children. OBJECTIVES: To describe health care professionals' use of written language related to the quality and quantity of pain experienced by hospitalized children. METHODS: Free-text pain narratives documented during a 24 h period were collected from the medical records of 3822 children (0 to 18 years of age) hospitalized on 32 inpatient units in eight Canadian pediatric hospitals. A qualitative descriptive exploration using a content analysis approach was used. RESULTS: Pain narratives were documented a total of 5390 times in 1518 of the 3822 children's medical records (40%). Overall, word choices represented objective and subjective descriptors. Two major categories were identified, with their respective subcategories of word indicators and associated cues: indicators of pain, including behavioural (e.g., vocal, motor, facial and activities cues), affective and physiological cues, and children's descriptors; and word qualifiers, including intensity, comparator and temporal qualifiers. CONCLUSIONS: The richness and complexity of vocabulary used by clinicians to document children's pain lend support to the concept that the word 'pain' is a label that represents a myriad of different experiences. There is potential to refine pediatric pain assessment measures to be inclusive of other cues used to identify children's pain. The results enhance the discussion concerning the development of standardized nomenclature. Further research is warranted to determine whether there is congruence in interpretation across time, place and individuals.
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 | 0,036 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».