Pain in Dementia: Use of Observational Pain Assessment Tools by People Who Are Not Health Professionals
Notice bibliographique
Résumé
OBJECTIVE: Pain is prevalent among older adults but is often underestimated and undertreated, especially in people with severe dementia who have limited ability to self-report pain. Pain in patients with moderate to severe dementia can be assessed using observational tools. Informal caregivers (relatives of seniors with dementia) are an untapped assessor group who often bear the responsibility of care for their loved ones. Our objective was to evaluate the ability of laypeople to assess pain using observational measures originally developed for use by health care professionals. DESIGN: We employed a quasi-experimental design and presented videos depicting patients with dementia (portrayed by actors) displaying pain behaviors or during a calm relaxed state (no pain) to long-term care nurses and laypeople. Participants rated the pain behaviors observed in each video by completing two standardized observational measures that had been previously developed for use by long-term care staff. RESULTS: As expected, both laypeople and nurses were able to effectively differentiate painful from nonpainful situations using the standardized tools. Both groups were also able to discriminate among gradations of pain (i.e., no pain, mild, moderate, severe) and required comparable amounts of time to complete the assessments. CONCLUSIONS: We conclude that, as hypothesized, the instruments under study can be used for the assessment of pain by laypeople. This is the first study to validate these instruments for use by laypeople. The use of these tools by laypeople (under the guidance of health professionals) has the potential of facilitating earlier detection and treatment of pain in older adults with dementia who live in community settings.
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 | 0,023 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».