Qualitative Assessment of Pain Management in Patients Undergoing Computed Tomography‐Guided Transthoracic Lung Biopsy
Notice bibliographique
Résumé
BACKGROUND: Unpublished questionnaire data collected by the authors' institution (Toronto General Hospital, Toronto, Ontario) indicates that patients often experience significant pain while undergoing lung biopsy, yet receive only a fraction of the maximum allowable dosage of analgesic. OBJECTIVES: To qualitatively assess current pain management practices from the patient perspective. Patient education and patient satisfaction were also evaluated. METHODS: From March through June 2012, participants were contacted via telephone within one week of their procedure until data saturation was reached. The semistructured interviews were based on a study-specific interview template. Thematic analysis of qualitative study data was used to identify recurring interview topics. RESULTS: A consecutive sample of 16 outpatients who had undergone image-guided transthoracic lung biopsy at the authors' institution were interviewed. None of the study participants reported noteworthy pain associated with the insertion of lung biopsy needles. The most significant pain was caused by positioning within the computed tomography scanner, particularly among participants who were in the prone position. All participants reported high satisfaction with the amount of analgesic received. Potential complications and recovery period details were identified as areas for improved patient education. CONCLUSIONS: At the authors' institution, pain associated with lung biopsy needle insertion was well controlled. Positional pain is common for patients required to be in the prone position. Potential solutions include increasing awareness of positional pain and instituting additional supportive equipment.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».