MétaCan
Menu
Retour à la cohorte
Enregistrement W2354033233

Pain management among hospitalized cancer patients:a survey in 30 hospitals in Beijing

2011· article· en· W2354033233 sur OpenAlexaboutno aff
L Zhang

Notice bibliographique

RevueZhonghua huli zazhi · 2011
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCancer painRating scaleCancerBeijingPain managementPain controlPhysical therapyMcGill Pain QuestionnaireInternal medicineAnesthesiaVisual analogue scaleChina
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective To investigate the status of pain management in hospitalized cancer patients,so as to provide a basis for cancer pain control.Methods A total of 589 cancer patients from 28 general hospitals and 2 cancer hospitals in Beijing were investigated with Short form-McGill Pain Questionnaire(SF-MPQ),Numerical Rating Scale(NRS),Verbal Rating Scale(VRS) and a self-designed pain management questionnaire.Results The score of NRS was 4.81±2.27.There were 27.85 percent,45.16 percent and 21.90 percent patients suffered from mild,moderate and severe pain,respectively.A total of 538(91.34 percent) cancer patients received analgetic drugs and 447 patients(83.08 percent) took oral analgetic drugs.Among which,293(49.75) patients could use analgetic drugs on time.Only 51(9.48 percent) patients' pain was relieved completely,but 559(84.44 percent) patients felt satisfied with the effect of pain control.Conclusion The outcomes of pain management still need to be improved among cancer patients.Cancer pain management education should be carried on further more.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,255
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhonghua huli zazhiMême sujetPain Management and Opioid UseTravaux en français237 207