Pain and dyspnea control in cancer patients of an urgency setting: nursing intervention results
Notice bibliographique
Résumé
ABSTRACT BACKGROUND AND OBJECTIVES: To outline best practices guidelines to control pain and dyspnea of cancer patients in an urgency setting. CONTENTS: PI[C]O question, with resource to EBSCO (Medline with Full Text, CINAHL, Plus with Full Text, British Nursing Index), retrospectively from September 2009 to 2014 and guidelines issued by reference entities: Oncology Nursing Society (2011), National Comprehensive Cancer Network (2011; 2014) and Cancer Care Ontario (2010), with a total of 15 articles. The first stage for adequate symptoms control is systematized evaluation. Pharmacological pain control should comply with the modified analgesic ladder of the World Health Organization, including titration, equianalgesia, opioid rotation, administration route, difficult to control painful conditions and adverse effects control. Oxygen therapy and noninvasive ventilation are control modalities of some situations of dyspnea, where the use of diuretics, bronchodilators, steroids, benzodiazepines and strong opioids are effective strategies. Non-pharmacological measures: psycho-emotional support, hypnosis, counseling/training/instruction, therapeutic adherence, music therapy, massage, relaxation techniques, telephone support, functional and respiratory reeducation equally improve health gains. CONCLUSION: Cancer pain and dyspnea control require comprehensive and multimodal approach. Implications for nursing practice: best practice guidelines developed based on scientific evidence may support clinical decision-making with better quality, safety and effectiveness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».