Optimizing Numeric Pain Rating Scale administration for children: The effects of verbal anchor phrases
Notice bibliographique
Résumé
Background: The 0–10 Verbal Numeric Rating Scale (VNRS) is commonly used to obtain self-reports of pain intensity in school-age children, but there is no standard verbal descriptor to define the most severe pain.Aims: The aim of this study was to determine how verbal anchor phrases defining 10/10 on the VNRS are associated with children’s reports of pain.Methods and Results: Study 1. Children (N = 131, age 6–11) rated hypothetical pain vignettes using six anchor phrases; scores were compared with criterion ratings. Though expected effects of age and vignette were found, no effects were found for variations in anchors. Study 2. Pediatric nurses (N = 102) were asked how they would instruct a child to use the VNRS. Common themes of “the worst hurt you could ever imagine” and “the worst hurt you have ever had” to define 10/10 were identified. Study 3. Children’s hospital patients (N = 27, age 8–14) rated pain from a routine injection using four versions of the VNRS. Differences in ratings ranging from one to seven points on the scale occurred in the scores of 70% of children when the top anchor phrase was changed. Common themes in children’s descriptions of 10/10 pain intensity were “hurts really bad” and “hurts very much.”Discussion: This research supports attention to the details of instructions that health care professionals use when administering the VNRS. Use of the anchor phrase “the worst hurt you could ever imagine” is recommended for English-speaking, school-age children. Details of administration of the VNRS should be standardized and documented in research reports and in clinical use.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».