MétaCan
Menu
Retour à la cohorte
Enregistrement W2588761692

Discourse - Relieving Pain: What's in a Name?

2000· article· en· W2588761692 sur OpenAlexvenueno aff
Linda S. Franck

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2000
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConversationPsychological interventionPsychologyIntervention (counseling)CognitionCoping (psychology)PsychotherapistDevelopmental psychologyMedicinePsychiatryCommunication
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Several years ago I had a conversation with Leora Kuttner, child clinical psychologist and author of the seminal works The Child in Pain (Kuttner, 1996) and No fears, No Tears: Children Coping with Cancer (Kuttner, 1986). This conversation changed my thinking and the way I speak about what it is that we do as clinicians to help people in pain. During our conversation, Dr. Kuttner challenged my use of the term non-pharmacological when referring to cognitive and behavioural interventions to relieve pain. She said the term indicated a bias towards pharmacological interventions and implied that cognitive and behavioural interventions were inferior. Since that conversation, I have tried to be meticulous in my choice of words when describing interventions to relieve pain in infants and children. Although the language becomes cumbersome at times, I have tried to avoid the term non-pharmacological when I really mean behavioural and environmental interventions. I try to avoid implying that pharmacological interventions are the gold standard for pain relief and that we must choose one kind of intervention over the other. I have argued that environmental and behavioural strategies provide the foundational substrate for neonatal pain management to which pharmacological therapy is additive or synergistic (Franck & Lawhon, 1998).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0100,028
Communication savante0,0160,035
Science ouverte0,0020,008
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,072
Tête enseignante GPT0,420
Écart entre enseignants0,348 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetPediatric Pain Management TechniquesTravaux en français237 207