Using a New Measurement to Evaluate Pain Relief Among Cancer Inpatients with Clinically Significant Pain Based on a Nursing Information System: A Three-Year Hospital-Based Study
Notice bibliographique
Résumé
OBJECTIVE: Developing a new measurement index is the first step in evaluating pain relief outcomes. Although the percentage difference in pain intensity (%PID) is the most popular indicator, this indicator does not take into account the goal of pain relief. Therefore, the aims of this study were to develop a pain relief index (PRI) for outcome evaluation and to examine the index using demographic characteristics of cancer inpatients with clinically significant pain. DESIGN: Retrospective cohort study. SETTING: A national hospital. SUBJECTS: All cancer inpatients. METHODS: Pain intensity was assessed using a numerical rating scale, a faces pain scale or the Face, Legs, Activity, Cry, Consolability (FLACC) Behavioral Tool. Using a nursing information system, a pain score database containing data from 2011 through 2013 was analyzed. RESULTS: Cancer patients representing 93,812 hospitalizations were considered in this study. We focused on cancer patients for whom the worst pain intensity (WPI) was ≥ 4 points. PRI values of -62.02% to -72.55% were observed in the WPI ≥ 7 and 4 ≤ WPI ≤ 6 groups. Significant (P < 0.05) effects on PRI values were observed among patients who were > 65 years old, those who were admitted to the medicine or gynecology and those who had a hospital stay > 30 days. CONCLUSION: This hospital-based study demonstrated that the PRI is an effective and valid measure for evaluating outcome data using an electronic nursing information system. We will further define the meaningful range of percentage difference in PRI from various perspectives.
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 | 0,030 | 0,007 |
| 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 | 0,000 |
| 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 ».