Acute Neuropathic Pain Assessment in Burn Injured Patients
Notice bibliographique
Résumé
PURPOSE: The purpose of the study was to measure the prevalence of acute neuropathic pain in patients with acute burn injuries and the demographic and clinical characteristics of neuropathic pain in this population. We also evaluated the proportion of patients who received twice-daily evaluation of nurses' documentation of neuropathic pain following introduction of a validated neuropathic pain assessment tool embedded within the pain chart. DESIGN: Retrospective, descriptive study. SUBJECTS AND SETTING: The sample comprised 86 patients with second- and third-degree burn injuries. The research setting was a burn injury unit in a provincial center in British Columbia, Canada. METHODS: Medical records over a 1-year prior following introduction of assessment of neuropathic pain into pain charts were retrospectively reviewed, and data collection focused on evidence of nurses undertaking acute neuropathic pain assessment as well as prevalence of report of acute neuropathic pain signs among this patient group. Neuropathic pain was evaluated twice daily using the Douleur Neuropathique 4, a previously validated neuropathic pain assessment tool. RESULTS: Eighty percent of patients cared for received twice-daily neuropathic pain assessment. The prevalence of patients with neuropathic pain based on the Douleur Neuropathique instrument scores was 42%. Males reported neuropathic signs more than female patients, and patients with a greater than 10% body surface burn had a higher prevalence of neuropathic pain. CONCLUSION: Study findings suggest that patients with acute burn injury are at risk of neuropathic pain. We recommend that nurse assessment of neuropathic pain becomes routine during the acute injury phase.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».