Pain Assessment in Children
Notice bibliographique
Résumé
OBJECTIVES: Assessing pain in young children requires astute judgment by observers. Multidimensional observational scales for pediatric pain contribute by providing behavioral cues believed to characterize pain in children; yet, few measurement items have undergone rigorous psychometric evaluation. This is the case with facial expression, which has been widely recognized as the most sensitive and specific nonverbal indicator of pain. The criteria for identifying facial expressions of pain differ substantially across scales and are frequently inconsistent with empirical descriptions. MATERIALS AND METHODS: The present study compared observer ratings of children's (aged 1 to 6 y, inclusive) videotaped postoperative pain reactions using the facial activity items from 6 widely used pediatric pain assessment scales and an anatomically based and empirically validated measure, the Child Facial Coding System. We hypothesized that facial expression items that did not correspond to empirical descriptions would lead to less reliable and divergent pain estimates. Intercoder reliability, criterion validity (empirical and convergent), content validity, and face validity were examined. RESULTS: Findings supported hypotheses and indicated that variation in cues proposed for assessing facial expression led to widely ranging scores that could be insensitive to differences in children's pain intensity. DISCUSSION: The facial items varied considerably in coder judgment reliability as well as criterion (empirical and convergent), content, and face validity. Observational scales should provide behavioral cues that correspond to empirical descriptions of the facial expression of 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 | 0,049 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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; 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 ».