A Systematic Review of Knowledge Translation (KT) in Pediatric Pain
Notice bibliographique
Résumé
OBJECTIVES: Pain is inadequately managed in pediatric populations across health care settings. Although training programs to improve health care provider knowledge and skills have been developed and evaluated, clinical practices have not always kept pace with advancing knowledge. Consequently, the goal of this review was to systematically examine the pediatric pain literature of knowledge translation (KT) programs targeting health care providers. MATERIALS AND METHODS: Systematic searches of PubMed, Web of Science, CINAHL, and PsycINFO were undertaken. KT initiatives directed toward health care providers and in which the primary focus was on pediatric pain were included. Primary outcomes, intervention characteristics, and risk of bias were examined across studies. Study outcomes were conceptually organized and a narrative synthesis of results was conducted. RESULTS: A total of 15,191 abstracts were screened for inclusion with 98 articles retained on the basis of predetermined criteria. Across studies, KT approaches varied widely in format and focus. Knowledge-level changes and self-reported increases in comfort or confidence in skills/knowledge were consistently achieved. Practice-level changes were achieved in many areas with varying success. Design and reporting issues were identified in the majority of studies. Examination of patient-related outcomes and of the long-term impact of pediatric pain KT programs was limited across studies. DISCUSSION: KT programs vary in quality and impact. Although several successful programs have been developed, many studies include a high risk of bias due to study quality. Evidence-based KT program implementation and a focus on sustainability of outcomes must be given greater consideration in the field of pediatric pain.
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 | 0,135 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».