From Opiophobia to Overprescribing: A Critical Scoping Review of Medical Education Training for Chronic Pain
Notice bibliographique
Résumé
BACKGROUND: Chronic pain is a significant health problem strongly associated with a wide range of physical and mental health problems, including addiction. The widespread prevalence of pain and the increasing rate of opioid prescriptions have led to a focus on how physicians are educated about chronic pain. This critical scoping review describes the current literature in this important area, identifying gaps and suggesting avenues for further research starting from patients' standpoint. METHODS: A search of the ERIC, MEDLINE, and Social Sciences Abstracts databases, as well as 10 journals related to medical education, was conducted to identify studies of the training of medical students, residents, and fellows in chronic noncancer pain. RESULTS: The database and hand-searches identified 545 articles; of these, 39 articles met inclusion criteria and underwent full review. Findings were classified into four inter-related themes. We found that managing chronic pain has been described as stressful by trainees, but few studies have investigated implications for their well-being or ability to provide empathetic care. Even fewer studies have investigated how educational strategies impact patient care. We also note that the literature generally focuses on opioids and gives less attention to education in nonpharmacological approaches as well as nonopioid medications. DISCUSSION: The findings highlight significant discrepancies between the prevalence of chronic pain in society and the low priority assigned to educating future physicians about the complexities of pain and the social context of those afflicted. This suggests the need for better pain education as well as attention to the "hidden curriculum."
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 | 0,012 | 0,168 |
| 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 ».