Patient-Reported Pain Outcomes for Children Attending an Emergency Department With Limb Injury
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to describe patient-reported pain outcomes at various stages of an emergency department (ED) visit for pediatric limb injury. METHODS: This prospective cohort consisted of 905 patients aged 4 to 17 years with acute limb injury and a minimum initial pain score of 4/10. Patients reported pain scores and treatments offered and received at each stage of their ED visit. Multiple logistic regression was used to identify predictors for severe pain on initial assessment and moderate or severe pain at ED discharge. RESULTS: The initial median pain score was 6/10 (interquartile range, 4-6) and decreased at discharge to 4/10 (interquartile range, 2-6). Stages of the ED visit where the highest proportion of patients reported severe pain (score, ≥8 of 10) were fracture reduction (26.0% [19/73]; 95% confidence interval [CI], 17.1%-37.5%), intravenous insertion (24.4% [11/45]; 95% CI, 13.8%-39.6%), and x-ray (23.7% [158/668]; 95% CI, 20.6%-27.0%). Predictors of severe pain at initial assessment included younger age (odds ratio [OR], 0.92; 95% CI, 0.87-0.97), female sex (OR, 0.58; 95% CI, 0.40-0.84), and presence of fracture (OR, 1.58; 95% CI, 1.07-2.33) whereas, at discharge, older age (OR, 1.14; 95% CI, 1.06-1.23) predicted moderate/severe pain (score, ≥4 of 10). CONCLUSIONS: These results on the location and predictors of severe pain during an ED visit for limb injury can be used to target interventions to improve pain management and patient outcomes.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».