Pain experience, pain management strategies and satisfaction of hospitalized trauma patients in Indonesia
Notice bibliographique
Résumé
Although trauma is a common cause of greater pain and interference on daily activities, little is known about pain experience, pain management strategies and pain management outcomes in hospitalized trauma patients in Indonesia. This descriptive study aimed (1) to assess the pain experience, (2) to describe pain management strategies, and (3) to describe satisfaction with pain management conducted by healthcare providers as perceived by trauma patients. A total of 154 hospitalized trauma patients from a teaching hospital in Indonesia were recruited from January to March 2016. Data were analyzed using descriptive and inferential statistics. The study found that most of the hospitalized trauma patients had single extremity fractures (56.49%) and mild head injury (20.13%). They have experienced a mild to moderate level of pain intensity and pain interference during the first three days of admission. These pain intensity and pain interference levels were found to be significantly decreased from the first to the third day. The pain management strategies often used by the healthcare providers were showing interest and asking about pain, assessing the outcomes after receiving analgesic drugs, and giving information about pain. The pain management strategies often used by patients were praying (86.36%), slow and deep breathing (77.27%), and reciting Dzikir (meditation) (68.18%). Patients reported that performing Dzikir and praying were the effective strategies to reduce their pain. The patients rated moderate to high levels of satisfaction with pain management conducted by healthcare providers. Therefore, combinations analgesic drugs with praying and performing Dzikir related to cultural contexts are crucial to alleviate pain among hospitalized trauma patients in Indonesia.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».